LLS_construit_quartier
Charlotte Courtois Le-Huu
2023-07-24
Le premier objectif de ce code est de caractériser les quartiers IRIS dans lesquels sont construits des logements sociaux en réponse à la loi SRU. Le second but du code est de caractériser les logements construits en réponse à la loi SRU.
library(readr)
library(dplyr)##
## Attachement du package : 'dplyr'## Les objets suivants sont masqués depuis 'package:stats':
##
## filter, lag## Les objets suivants sont masqués depuis 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(sqldf)## Le chargement a nécessité le package : gsubfn## Le chargement a nécessité le package : proto## Warning in fun(libname, pkgname): couldn't connect to display ":0"## Le chargement a nécessité le package : RSQLitelibrary(weights)## Le chargement a nécessité le package : Hmisc## Le chargement a nécessité le package : lattice## Le chargement a nécessité le package : survival## Le chargement a nécessité le package : Formula## Le chargement a nécessité le package : ggplot2##
## Attachement du package : 'Hmisc'## Les objets suivants sont masqués depuis 'package:dplyr':
##
## src, summarize## Les objets suivants sont masqués depuis 'package:base':
##
## format.pval, units# Les logements sociaux du parc HLM en 2021
geoloc2021_decret <- read.csv(
"/data/user/g/fgoffette/VenteHLM/donnees_brutes/rpls/geoloc2021_decret.csv",
sep = ';')
# les logements sociaux du parc HLM en 2019
# problème avec la lecture du fichier
#geoloc2019_decret <- read.csv(
# "/data/user/g/fgoffette/VenteHLM/donnees_brutes/rpls/geoloc2019_decret.csv",
# sep = ';')
# Les communes soumises à la loi SRU
communes_soumises_SRU <- read.csv(
"../donnees_resultat/communes_soumises_SRU.csv")
# Les codes des arrondissement de Marseille, Lyon et Paris
arrondissements = c()
arrondissements$code = c(13201:13216, 69381:69389, 75101:75120)
arrondissements = as.data.frame(arrondissements)
# Les données de population 2019 INSEE selon les quartiers IRIS
pop_2019 <- read.csv("../donnees_initiales/base-ic-evol-struct-pop-2019.CSV",
sep = ";")
# Les données de logements 2019 INSEE selon les quartiers IRIS
log_2019 <- read.csv("../donnees_initiales/base-ic-logement-2019.CSV",
sep = ";")
ls_reponse = readRDS("../donnees_resultat/logements_reponse_SRU.rds")pop_log_2019 <-
left_join(pop_2019, log_2019,
by = c("IRIS", "COM", "TYP_IRIS", "MODIF_IRIS", "LAB_IRIS", "P19_PMEN"))
length(pop_log_2019$IRIS)## [1] 49282Il y a 49282 quartiers IRIS dans toute la France.
# On sélectionne les colonnes qui nous intéresse dans les logements concernés par la loi SRU
ls_reponse <- ls_reponse[, c("IDENT_REP", # code du logement dans le fichier RPLS
"DEPCOM", # code de la commune
"CONSTRUCT", # année de construction
"FINAN", # type de LS
"LOYERPRINC", "LOYERACC", # loyer
"loymoy",
"SURFHAB", # la surface habitable
"PLG_IRIS2021", # code quartier IRIS
"QUALITE_IRIS",
"NBPIECE")] # nombre de pièce du logement'
# On concatène les codes des communes et des quartiers IRIS
# pour avoir le code du quartier en entier
ls_reponse$quartier_iris <- paste(ls_reponse$DEPCOM, ls_reponse$PLG_IRIS2021,
sep = "")
# changements des arrondissements en communes
# Marseille
ls_reponse$DEPCOM[ls_reponse$DEPCOM %in% 13201:13216] <- 13055
# Lyon
ls_reponse$DEPCOM[ls_reponse$DEPCOM %in% 69381:69389] <- 69123
# Paris
ls_reponse$DEPCOM[ls_reponse$DEPCOM %in% 75101:75120] <- 75056
print(c("Nombre de logements :", length(ls_reponse$DEPCOM)))## [1] "Nombre de logements :" "492316"print(c("Nombre de communes :" , length(table(ls_reponse$DEPCOM))))## [1] "Nombre de communes :" "1436"# Lorsque les communes ne sont pas divisées en quartier IRIS,
# elles sont notées CSZ dans le fichier RPLS et
# elles sont notées 0000 dans le fichier de la population IRIS.
ls_reponse$PLG_IRIS2021[ls_reponse$PLG_IRIS2021 == 'CSZ'] = '0000'
#geoloc2021$PLG_IRIS2021[is.na(geoloc2021$PLG_IRIS2021)] = '0000mydb <- dbConnect(RSQLite::SQLite(), "")
dbWriteTable(mydb, "communes_soumises_SRU", communes_soumises_SRU)
dbWriteTable(mydb, "arrondissements", arrondissements)
dbWriteTable(mydb, "geoloc2021_decret", geoloc2021_decret)
LOYERCOM <- # les loyers moyen et médian des LS des communes
dbGetQuery(mydb, "
SELECT DEPCOM,
AVG(LOYERPRINC) \"LOYERCOM_MOY\",
MEDIAN(LOYERPRINC) \"LOYERCOM_MED\",
COUNT(DEPCOM)
FROM geoloc2021_decret
WHERE DEPCOM IN (SELECT code_commune FROM communes_soumises_SRU
UNION
SELECT code FROM arrondissements)
GROUP BY DEPCOM
")
dbDisconnect(mydb)
# changements des arrondissements en communes
# Marseille
LOYERCOM$DEPCOM[LOYERCOM$DEPCOM %in% 13201:13216] <- 13055
# Lyon
LOYERCOM$DEPCOM[LOYERCOM$DEPCOM %in% 69381:69389] <- 69123
# Paris
LOYERCOM$DEPCOM[LOYERCOM$DEPCOM %in% 75101:75120] <- 75056Caractèrisation des quartiers
pop_log_2019$taux_ages65P <-
pop_log_2019$P19_POP65P / pop_log_2019$P19_POP
pop_log_2019$taux_moins20ans <-
pop_log_2019$P19_POP0019 / pop_log_2019$P19_POPLS_IRIS <- left_join(ls_reponse, pop_log_2019, by = c("quartier_iris" = "IRIS"))
#sqldf("SELECT *
# FROM geoloc2021 g LEFT JOIN
# pop_log_2019 p ON(g.quartier_iris = p.IRIS)")#communes qui ont fait partie du territoire SRU à un moment
communes_territoire_SRU <-
read.csv("../donnees_resultat/LLS_par_commune.csv")$code_commune# quartiers IRIS du territoire SRU (même les communes non soumises)
pop_log_2019_terrsru <-
pop_log_2019[pop_log_2019$COM %in% c(communes_territoire_SRU,
arrondissements),]
# quartiers IRIS des communes soumises au moins une fois à la loi SRU
pop_log_2019_cososru <-
pop_log_2019[pop_log_2019$COM %in% c(communes_soumises_SRU$code_commune,
arrondissements),]couleur_france = 'darkmagenta'
couleur_territoiresru = 'plum'
couleur_communessru = 'mediumpurple'
couleur_hist = 'midnightblue'
couleur_quartiersru = 'navy'
couleur_hist_quartiersru = 'forestgreen' Cadres
pop_log_2019$taux_cadre <-
pop_log_2019$C19_POP15P_CS3 / pop_log_2019$C19_POP15P
pop_log_2019_terrsru$taux_cadre <-
pop_log_2019_terrsru$C19_POP15P_CS3 / pop_log_2019_terrsru$C19_POP15P
pop_log_2019_cososru$taux_cadre <-
pop_log_2019_cososru$C19_POP15P_CS3 / pop_log_2019_cososru$C19_POP15P
LS_IRIS$taux_cadre <-
LS_IRIS$C19_POP15P_CS3 / LS_IRIS$C19_POP15PLe nombre de cadres apparaît dans 49112 quartiers, dont 19792 dans le territoire SRU et 6593 dans les communes soumises à la loi SRU.
# pour toute la France (un poids par quartier)
length(pop_log_2019$taux_cadre[is.na(pop_log_2019$taux_cadre) == 0])## [1] 49112# le nombre de cadres apparait dans 49112 quartiers IRIS (il en manque 170)
par(mfrow=c(3,2), oma = c(0, 0, 2, 0), mar = c(2, 2, 1, 1))
plot(density(pop_log_2019$taux_cadre[is.na(pop_log_2019$taux_cadre) == 0]),
main = "En France, par quartier", lty = 3,
col = couleur_france, lwd = 3, cex.main = 1)
hist(pop_log_2019$taux_cadre, col = couleur_hist, density = 25,
add = TRUE, freq = F)
# pour toute la France (un poids par RP)
taux_cadre_france <-
density(pop_log_2019$taux_cadre[is.na(pop_log_2019$taux_cadre) == 0],
weights = pop_log_2019$P19_RP[is.na(pop_log_2019$taux_cadre) == 0]/
sum(pop_log_2019$P19_RP[is.na(pop_log_2019$taux_cadre) == 0]))
plot(taux_cadre_france, lty = 3,
main = "En France, par logement",
col = couleur_france, lwd = 3, cex.main = 1)
wtd.hist(x = pop_log_2019$taux_cadre[is.na(pop_log_2019$taux_cadre) == 0],
weight = pop_log_2019$P19_RP[is.na(pop_log_2019$taux_cadre) == 0]/
sum(pop_log_2019$P19_RP[is.na(pop_log_2019$taux_cadre) == 0]),
col = couleur_hist, density = 25,
add = TRUE, freq = F)
# pour le territoire SRU (un poids par quartier)
plot(density(pop_log_2019_terrsru$taux_cadre[is.na(pop_log_2019_terrsru$taux_cadre) == 0]),
main = "Dans le territoire SRU, par quartier",
col = couleur_territoiresru, lwd = 3, cex.main = 1)
hist(pop_log_2019_terrsru$taux_cadre, col = couleur_hist, density = 25,
add = TRUE, freq = F)
# pour le territoire SRU (un poids par RP)
taux_cadre_terrsru <-
density(pop_log_2019_terrsru$taux_cadre[is.na(pop_log_2019_terrsru$taux_cadre) == 0],
weights = pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_cadre) == 0]/
sum(pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_cadre) == 0]))
plot(taux_cadre_terrsru,
main = "Dans le territoire SRU, par logement",
col = couleur_territoiresru, lwd = 3, cex.main = 1)
wtd.hist(x = pop_log_2019_terrsru$taux_cadre[is.na(pop_log_2019_terrsru$taux_cadre) == 0],
weight = pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_cadre) == 0]/
sum(pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_cadre) == 0]),
col = couleur_hist, density = 25,
add = TRUE, freq = F)
# pour les communes soumises SRU (un poids par quartier)
plot(density(pop_log_2019_cososru$taux_cadre[is.na(pop_log_2019_cososru$taux_cadre) == 0]),
main = "Dans les communes soumises, par quartier", lty = 5,
col = couleur_communessru, lwd = 3, cex.main = 1)
hist(pop_log_2019_cososru$taux_cadre, col = couleur_hist, density = 25,
add = TRUE, freq = F)
# pour les communes soumises SRU (un poids par RP)
taux_cadre_cososru <-
density(pop_log_2019_cososru$taux_cadre[is.na(pop_log_2019_cososru$taux_cadre) == 0],
weights = pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_cadre) == 0]/
sum(pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_cadre) == 0]))
plot(taux_cadre_cososru, lty = 5,
main = "Dans les communes soumises, par logement",
col = couleur_communessru, lwd = 3, cex.main = 1)
wtd.hist(x = pop_log_2019_cososru$taux_cadre[is.na(pop_log_2019_cososru$taux_cadre) == 0],
weight = pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_cadre) == 0]/
sum(pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_cadre) == 0]),
col = couleur_hist, density = 25,
add = TRUE, freq = F)
title(main = "Taux de cadres dans les quartiers IRIS", outer = TRUE)
Cadres dans les logements construits pour la loi SRU
# un poids par logement
densite_cadres_iris <- density(
pop_log_2019$taux_cadre[is.na(pop_log_2019$taux_cadre) == 0],
weights = pop_log_2019$P19_RP[is.na(pop_log_2019$taux_cadre) == 0]/
sum(pop_log_2019$P19_RP[is.na(pop_log_2019$taux_cadre) == 0]))
plot(density(LS_IRIS$taux_cadre[is.na(LS_IRIS$taux_cadre) == 0]), col = couleur_quartiersru,
main = "Taux de cadres dans les LS construits entre 2002 et 2020",
lwd = 2, xlim = c(0, 1), lty = 6)
hist(LS_IRIS$taux_cadre, freq = FALSE, xlim = c(0, 1), add = TRUE,
col = couleur_hist_quartiersru, density = 25, breaks = 0:20*0.05)
plot(taux_cadre_terrsru, col = couleur_territoiresru, lty = 1, lwd = 2,
main = "Densités des taux de cadres dans les quartiers IRIS")
lines(taux_cadre_cososru, lty = 5, lwd = 2, col = couleur_communessru)
lines(density(LS_IRIS$taux_cadre[is.na(LS_IRIS$taux_cadre) == 0]), col = "navy",
lwd = 2, lty = 6)
legend('topright',
legend = c('territoire SRU', 'communes soumises', 'quartiers concernés par SRU'),
lty = c(1, 5, 6), lwd = 2, col = c(couleur_territoiresru, couleur_communessru, couleur_quartiersru))
Etrangers et immigrés
pop_log_2019$taux_etrangersImmigres <-
(pop_log_2019$P19_POP_ETR + pop_log_2019$P19_POP_IMM) /
(pop_log_2019$P19_POP_FR + pop_log_2019$P19_POP_ETR +
pop_log_2019$P19_POP_IMM)
pop_log_2019_terrsru$taux_etrangersImmigres <-
(pop_log_2019_terrsru$P19_POP_ETR + pop_log_2019_terrsru$P19_POP_IMM) /
(pop_log_2019_terrsru$P19_POP_FR + pop_log_2019_terrsru$P19_POP_ETR +
pop_log_2019_terrsru$P19_POP_IMM)
pop_log_2019_cososru$taux_etrangersImmigres <-
(pop_log_2019_cososru$P19_POP_ETR + pop_log_2019_cososru$P19_POP_IMM) /
(pop_log_2019_cososru$P19_POP_FR + pop_log_2019_cososru$P19_POP_ETR +
pop_log_2019_cososru$P19_POP_IMM)
LS_IRIS$taux_etrangersImmigres <-
(LS_IRIS$P19_POP_ETR + LS_IRIS$P19_POP_IMM) / (LS_IRIS$P19_POP_FR + LS_IRIS$P19_POP_ETR + LS_IRIS$P19_POP_IMM)
length(pop_log_2019$P19_POP_ETR[is.na(pop_log_2019$P19_POP_ETR) == 0])## [1] 49282length(pop_log_2019$P19_POP_IMM[is.na(pop_log_2019$P19_POP_IMM) == 0])## [1] 49282length(pop_log_2019$P19_POP_FR[is.na(pop_log_2019$P19_POP_FR) == 0])## [1] 49282# le nombre d'étrangers apparait dans ous les quartiers # vérification valeur aberrante
pop_log_2019[pop_log_2019$taux_etrangersImmigres > 1 & is.na(pop_log_2019$taux_etrangersImmigres) == 0,]## [1] IRIS COM TYP_IRIS
## [4] MODIF_IRIS LAB_IRIS P19_POP
## [7] P19_POP0002 P19_POP0305 P19_POP0610
## [10] P19_POP1117 P19_POP1824 P19_POP2539
## [13] P19_POP4054 P19_POP5564 P19_POP6579
## [16] P19_POP80P P19_POP0014 P19_POP1529
## [19] P19_POP3044 P19_POP4559 P19_POP6074
## [22] P19_POP75P P19_POP0019 P19_POP2064
## [25] P19_POP65P P19_POPH P19_H0014
## [28] P19_H1529 P19_H3044 P19_H4559
## [31] P19_H6074 P19_H75P P19_H0019
## [34] P19_H2064 P19_H65P P19_POPF
## [37] P19_F0014 P19_F1529 P19_F3044
## [40] P19_F4559 P19_F6074 P19_F75P
## [43] P19_F0019 P19_F2064 P19_F65P
## [46] C19_POP15P C19_POP15P_CS1 C19_POP15P_CS2
## [49] C19_POP15P_CS3 C19_POP15P_CS4 C19_POP15P_CS5
## [52] C19_POP15P_CS6 C19_POP15P_CS7 C19_POP15P_CS8
## [55] C19_H15P C19_H15P_CS1 C19_H15P_CS2
## [58] C19_H15P_CS3 C19_H15P_CS4 C19_H15P_CS5
## [61] C19_H15P_CS6 C19_H15P_CS7 C19_H15P_CS8
## [64] C19_F15P C19_F15P_CS1 C19_F15P_CS2
## [67] C19_F15P_CS3 C19_F15P_CS4 C19_F15P_CS5
## [70] C19_F15P_CS6 C19_F15P_CS7 C19_F15P_CS8
## [73] P19_POP_FR P19_POP_ETR P19_POP_IMM
## [76] P19_PMEN P19_PHORMEN P19_LOG
## [79] P19_RP P19_RSECOCC P19_LOGVAC
## [82] P19_MAISON P19_APPART P19_RP_1P
## [85] P19_RP_2P P19_RP_3P P19_RP_4P
## [88] P19_RP_5PP P19_NBPI_RP P19_RPMAISON
## [91] P19_NBPI_RPMAISON P19_RPAPPART P19_NBPI_RPAPPART
## [94] P19_RP_M30M2 P19_RP_3040M2 P19_RP_4060M2
## [97] P19_RP_6080M2 P19_RP_80100M2 P19_RP_100120M2
## [100] P19_RP_120M2P P19_RP_ACHTOT P19_RP_ACH19
## [103] P19_RP_ACH45 P19_RP_ACH70 P19_RP_ACH90
## [106] P19_RP_ACH05 P19_RP_ACH15 P19_RPMAISON_ACHTOT
## [109] P19_RPMAISON_ACH19 P19_RPMAISON_ACH45 P19_RPMAISON_ACH70
## [112] P19_RPMAISON_ACH90 P19_RPMAISON_ACH05 P19_RPMAISON_ACH15
## [115] P19_RPAPPART_ACHTOT P19_RPAPPART_ACH19 P19_RPAPPART_ACH45
## [118] P19_RPAPPART_ACH70 P19_RPAPPART_ACH90 P19_RPAPPART_ACH05
## [121] P19_RPAPPART_ACH15 P19_MEN P19_MEN_ANEM0002
## [124] P19_MEN_ANEM0204 P19_MEN_ANEM0509 P19_MEN_ANEM10P
## [127] P19_PMEN_ANEM0002 P19_PMEN_ANEM0204 P19_PMEN_ANEM0509
## [130] P19_PMEN_ANEM10P P19_NBPI_RP_ANEM0002 P19_NBPI_RP_ANEM0204
## [133] P19_NBPI_RP_ANEM0509 P19_NBPI_RP_ANEM10P P19_RP_PROP
## [136] P19_RP_LOC P19_RP_LOCHLMV P19_RP_GRAT
## [139] P19_NPER_RP P19_NPER_RP_PROP P19_NPER_RP_LOC
## [142] P19_NPER_RP_LOCHLMV P19_NPER_RP_GRAT P19_ANEM_RP
## [145] P19_ANEM_RP_PROP P19_ANEM_RP_LOC P19_ANEM_RP_LOCHLMV
## [148] P19_ANEM_RP_GRAT P19_RP_SDB P19_RP_CCCOLL
## [151] P19_RP_CCIND P19_RP_CINDELEC P19_RP_ELEC
## [154] P19_RP_EAUCH P19_RP_BDWC P19_RP_CHOS
## [157] P19_RP_CLIM P19_RP_TTEGOU P19_RP_GARL
## [160] P19_RP_VOIT1P P19_RP_VOIT1 P19_RP_VOIT2P
## [163] P19_RP_HABFOR P19_RP_CASE P19_RP_MIBOIS
## [166] P19_RP_MIDUR C19_RP_HSTU1P C19_RP_HSTU1P_SUROCC
## [169] taux_ages65P taux_moins20ans taux_cadre
## [172] taux_etrangersImmigres
## <0 lignes> (ou 'row.names' de longueur nulle)Les nombres d’étrangers, de français et d’immigrés apparraissent dans tous les quartiers, mais pour certains quartiers il n’y a pas d’habitant, ainsi il n’est pas possible de calculer les taux d’étrangers et d’immigrés.
# pour toute la France (un poids par quartier)
length(pop_log_2019$taux_etrangersImmigres[is.na(pop_log_2019$taux_etrangersImmigres) == 0])## [1] 49134# le taux d'immigrés et d'étrangers apparait dans 49134 quartiers IRIS (il en manque 148)
par(mfrow=c(3,2), oma = c(0, 0, 2, 0), mar = c(2, 2, 1, 1))
plot(density(pop_log_2019$taux_etrangersImmigres[is.na(pop_log_2019$taux_etrangersImmigres) == 0]),
main = "En France, par quartier", cex.main = 1,
col = couleur_france, lwd = 3, lty = 3)
hist(pop_log_2019$taux_etrangersImmigres, col = couleur_hist, density = 25,
add = TRUE, freq = F)
# pour toute la France (un poids par RP)
taux_etrangersImmigres_france <-
density(pop_log_2019$taux_etrangersImmigres[is.na(pop_log_2019$taux_etrangersImmigres) == 0],
weights = pop_log_2019$P19_RP[is.na(pop_log_2019$taux_etrangersImmigres) == 0]/
sum(pop_log_2019$P19_RP[is.na(pop_log_2019$taux_etrangersImmigres) == 0]))
plot(taux_etrangersImmigres_france, lty = 3, cex.main = 1,
main = "En France, par logement",
col = couleur_france, lwd = 3)
wtd.hist(x = pop_log_2019$taux_etrangersImmigres[is.na(pop_log_2019$taux_etrangersImmigres) == 0],
weight = pop_log_2019$P19_RP[is.na(pop_log_2019$taux_etrangersImmigres) == 0]/
sum(pop_log_2019$P19_RP[is.na(pop_log_2019$taux_etrangersImmigres) == 0]),
col = couleur_hist, density = 25,
add = TRUE, freq = F)
# pour le territoire SRU (un poids par quartier)
plot(density(pop_log_2019_terrsru$taux_etrangersImmigres[is.na(pop_log_2019_terrsru$taux_etrangersImmigres) == 0]),
main = "Dans le territoire SRU, par quartier", cex.main = 1,
col = couleur_territoiresru, lwd = 3)
hist(pop_log_2019_terrsru$taux_etrangersImmigres, col = couleur_hist, density = 25,
add = TRUE, freq = F)
# pour le territoire SRU (un poids par RP)
taux_etrangersImmigres_terrsru <-
density(pop_log_2019_terrsru$taux_etrangersImmigres[is.na(pop_log_2019_terrsru$taux_etrangersImmigres) == 0],
weights = pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_etrangersImmigres) == 0]/
sum(pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_etrangersImmigres) == 0]))
plot(taux_etrangersImmigres_terrsru, cex.main = 1,
main = "Dans le territoire SRU, par logement",
col = couleur_territoiresru, lwd = 3)
wtd.hist(x = pop_log_2019_terrsru$taux_etrangersImmigres[is.na(pop_log_2019_terrsru$taux_etrangersImmigres) == 0],
weight = pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_etrangersImmigres) == 0]/
sum(pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_etrangersImmigres) == 0]),
col = couleur_hist, density = 25,
add = TRUE, freq = F)
# pour les communes soumises SRU (un poids par quartier)
plot(density(pop_log_2019_cososru$taux_etrangersImmigres[is.na(pop_log_2019_cososru$taux_etrangersImmigres) == 0]),
main = "Dans les communes soumises, par quartier", cex.main = 1,
col = couleur_communessru, lwd = 3, lty = 5)
hist(pop_log_2019_cososru$taux_etrangersImmigres, col = couleur_hist, density = 25,
add = TRUE, freq = F, breaks = 0:20*0.05)
# pour les communes soumises SRU (un poids par RP)
taux_etrangersImmigres_cososru <-
density(pop_log_2019_cososru$taux_etrangersImmigres[is.na(pop_log_2019_cososru$taux_etrangersImmigres) == 0],
weights = pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_etrangersImmigres) == 0]/
sum(pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_etrangersImmigres) == 0]))
plot(taux_etrangersImmigres_cososru, lty = 5, cex.main = 1,
main = "Dans les communes soumises, par logement",
col = couleur_communessru, lwd = 3)
wtd.hist(x = pop_log_2019_cososru$taux_etrangersImmigres[is.na(pop_log_2019_cososru$taux_etrangersImmigres) == 0],
weight = pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_etrangersImmigres) == 0]/
sum(pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_etrangersImmigres) == 0]),
col = couleur_hist, density = 25, breaks = 20,
add = TRUE, freq = F)
title(main = "Taux d'étrangers et d'immigrés dans les quartiers IRIS",
outer = TRUE)
Etrangers et immigrés dans les logements construits pour la loi SRU
# un poids par logement
plot(density(LS_IRIS$taux_etrangersImmigres[is.na(
LS_IRIS$taux_etrangersImmigres) == 0]), col = couleur_quartiersru,
main = "Taux d'étrangers et d'immigrés dans les IRIS des logements réponse",
lwd = 2, xlim = c(0, 1), lty = 6)
hist(LS_IRIS$taux_etrangersImmigres, freq = FALSE, xlim = c(0, 1), add = TRUE,
col = couleur_hist_quartiersru, density = 25, breaks = 0:20*0.05)
plot(taux_etrangersImmigres_terrsru, col = couleur_territoiresru, lty = 1,
lwd = 2, ylim = c(0, 5),
main = "Densités des taux d'étrangers et d'immigrés dans les quartiers IRIS")
lines(taux_etrangersImmigres_cososru, lty = 5, lwd = 2, col = couleur_communessru)
lines(density(LS_IRIS$taux_etrangersImmigres[is.na(LS_IRIS$taux_etrangersImmigres) == 0]), col = "navy",
lwd = 2, lty = 6)
legend('topright',
legend = c('territoire SRU', 'communes soumises',
'quartiers concernés par SRU'),
lty = c(1, 5, 6), lwd = 2,
col = c(couleur_territoiresru, couleur_communessru, couleur_quartiersru))
Logements récents ou anciens ?
par(mfrow = c(3, 2), oma = c(0, 9, 0, 9), mar = c(2, 3, 3, 2))
hist(pop_log_2019$P19_RP_ACH19) # Nombre de résidences principales construites avant 1919
hist(pop_log_2019$P19_RP_ACH45) # Nombre de résidences principales construites entre 1919 et 1945
hist(pop_log_2019$P19_RP_ACH70) # Nombre de résidences principales construites entre 1946 et 1970
hist(pop_log_2019$P19_RP_ACH90) # Nombre de résidences principales construites entre 1970 et 1990
hist(pop_log_2019$P19_RP_ACH05) # Nombre de résidences principales construites entre 1991 et 2005
hist(pop_log_2019$P19_RP_ACH15) # Nombre de résidences principales construites entre 2006 et 2015
pop_log_2019$taux_av19 <-
pop_log_2019$P19_RP_ACH19 / pop_log_2019$P19_RP_ACHTOT
pop_log_2019_terrsru$taux_av19 <-
pop_log_2019_terrsru$P19_RP_ACH19 / pop_log_2019_terrsru$P19_RP_ACHTOT
pop_log_2019_cososru$taux_av19 <-
pop_log_2019_cososru$P19_RP_ACH19 / pop_log_2019_cososru$P19_RP_ACHTOT
LS_IRIS$taux_av19 <-
LS_IRIS$P19_RP_ACH19 / LS_IRIS$P19_RP_ACHTOTpop_log_2019$taux_av19 <-
pop_log_2019$P19_RP_ACH19 / pop_log_2019$P19_RP_ACHTOT
pop_log_2019_terrsru$taux_av19 <-
pop_log_2019_terrsru$P19_RP_ACH19 / pop_log_2019_terrsru$P19_RP_ACHTOT
pop_log_2019_cososru$taux_av19 <-
pop_log_2019_cososru$P19_RP_ACH19 / pop_log_2019_cososru$P19_RP_ACHTOT
LS_IRIS$taux_av19 <-
LS_IRIS$P19_RP_ACH19 / LS_IRIS$P19_RP_ACHTOTpop_log_2019$taux_19_45 <-
pop_log_2019$P19_RP_ACH45 / pop_log_2019$P19_RP_ACHTOT
pop_log_2019_terrsru$taux_19_45 <-
pop_log_2019_terrsru$P19_RP_ACH45 / pop_log_2019_terrsru$P19_RP_ACHTOT
pop_log_2019_cososru$taux_19_45 <-
pop_log_2019_cososru$P19_RP_ACH45 / pop_log_2019_cososru$P19_RP_ACHTOT
LS_IRIS$taux_19_45 <-
LS_IRIS$P19_RP_ACH45 / LS_IRIS$P19_RP_ACHTOTpop_log_2019$taux_46_70 <-
pop_log_2019$P19_RP_ACH70 / pop_log_2019$P19_RP_ACHTOT
pop_log_2019_terrsru$taux_46_70 <-
pop_log_2019_terrsru$P19_RP_ACH70 / pop_log_2019_terrsru$P19_RP_ACHTOT
pop_log_2019_cososru$taux_46_70 <-
pop_log_2019_cososru$P19_RP_ACH70 / pop_log_2019_cososru$P19_RP_ACHTOT
LS_IRIS$taux_46_70 <-
LS_IRIS$P19_RP_ACH70 / LS_IRIS$P19_RP_ACHTOTpop_log_2019$taux_71_90 <-
pop_log_2019$P19_RP_ACH90 / pop_log_2019$P19_RP_ACHTOT
pop_log_2019_terrsru$taux_71_90 <-
pop_log_2019_terrsru$P19_RP_ACH90 / pop_log_2019_terrsru$P19_RP_ACHTOT
pop_log_2019_cososru$taux_71_90 <-
pop_log_2019_cososru$P19_RP_ACH90 / pop_log_2019_cososru$P19_RP_ACHTOT
LS_IRIS$taux_71_90 <-
LS_IRIS$P19_RP_ACH90 / LS_IRIS$P19_RP_ACHTOTpop_log_2019$taux_91_05 <-
pop_log_2019$P19_RP_ACH05 / pop_log_2019$P19_RP_ACHTOT
pop_log_2019_terrsru$taux_91_05 <-
pop_log_2019_terrsru$P19_RP_ACH05 / pop_log_2019_terrsru$P19_RP_ACHTOT
pop_log_2019_cososru$taux_91_05 <-
pop_log_2019_cososru$P19_RP_ACH05 / pop_log_2019_cososru$P19_RP_ACHTOT
LS_IRIS$taux_91_05 <-
LS_IRIS$P19_RP_ACH05 / LS_IRIS$P19_RP_ACHTOTpop_log_2019$taux_06_15 <-
pop_log_2019$P19_RP_ACH15 / pop_log_2019$P19_RP_ACHTOT
pop_log_2019_terrsru$taux_06_15 <-
pop_log_2019_terrsru$P19_RP_ACH15 / pop_log_2019_terrsru$P19_RP_ACHTOT
pop_log_2019_cososru$taux_06_15 <-
pop_log_2019_cososru$P19_RP_ACH15 / pop_log_2019_cososru$P19_RP_ACHTOT
LS_IRIS$taux_06_15 <-
LS_IRIS$P19_RP_ACH15 / LS_IRIS$P19_RP_ACHTOTAncienneté des logements dans toute la France
# Sur l'ensemble des quartiers (un poids par quartier)
par(mfrow=c(3,2), oma = c(0, 0, 2, 0), mar = c(2, 2, 1, 1))
# Taux de résidences principales construites avant 1919
hist(pop_log_2019$taux_av19, cex.main = 1,
main = "Construits avant 1919", xlab = "taux de résidences principales",
col = "navajowhite")
# Taux de résidences principales construites entre 1919 et 1945
hist(pop_log_2019$taux_19_45, cex.main = 1,
main = "Construits entre 1919 et 1945", col = "lightskyblue1",
xlab = "taux de résidences principales")
# Taux de résidences principales construites entre 1946 et 1970
hist(pop_log_2019$taux_46_70, cex.main = 1,
main = "Construits entre 1946 et 1970", col = "palegreen",
xlab = "taux de résidences principales")
# Taux de résidences principales construites entre 1971 et 1990
hist(pop_log_2019$taux_71_90, cex.main = 1,
main = "Construits entre 1971 et 1990", col = "pink",
xlab = "taux de résidences principales")
# Taux de résidences principales construites entre 1991 et 2005
hist(pop_log_2019$taux_91_05, cex.main = 1,
main = "Construits entre 1991 et 2005", col = couleur_territoiresru,
xlab = "taux de résidences principales")
# Taux de résidences principales construites entre 2006 et 2015
hist(pop_log_2019$taux_06_15, cex.main = 1,
main = "Construits entre 2006 et 2015", col = "snow",
xlab = "taux de résidences principales")
title("Taux des dates de constructions de logements des quartiers IRIS",
outer = TRUE)
# Sur l'ensemble des quartiers (un poids par logement)
par(mfrow = c(3, 2), oma = c(0, 9, 2, 9), mar = c(2, 2, 2, 2))
# Taux de résidences principales construites avant 1919
taux_ancien_av19_france <-
density(pop_log_2019$taux_av19[is.na(pop_log_2019$taux_av19) == 0],
weights = pop_log_2019$P19_RP[is.na(pop_log_2019$taux_av19) == 0]/
sum(pop_log_2019$P19_RP[is.na(pop_log_2019$taux_av19) == 0]))
plot(taux_ancien_av19_france, col = couleur_france, lwd = 1.5, cex.main = 1,
main = "Construits avant 1919", lty = 3)
wtd.hist(x = pop_log_2019$taux_av19[is.na(pop_log_2019$taux_av19) == 0],
weights = pop_log_2019$P19_RP[is.na(pop_log_2019$taux_av19) == 0]/
sum(pop_log_2019$P19_RP[is.na(pop_log_2019$taux_av19) == 0]),
col = "navajowhite", density = 30, add = TRUE, freq = FALSE)
# Taux de résidences principales construites entre 1919 et 1945
taux_ancien_19_45_france <-
density(pop_log_2019$taux_19_45[is.na(pop_log_2019$taux_19_45) == 0],
weights = pop_log_2019$P19_RP[is.na(pop_log_2019$taux_19_45) == 0]/
sum(pop_log_2019$P19_RP[is.na(pop_log_2019$taux_19_45) == 0]))
plot(taux_ancien_19_45_france, col = couleur_france, lwd = 1.5, cex.main = 1,
main = "Construits entre 1919 et 1945", lty = 3)
wtd.hist(x = pop_log_2019$taux_19_45[is.na(pop_log_2019$taux_19_45) == 0],
weights = pop_log_2019$P19_RP[is.na(pop_log_2019$taux_19_45) == 0]/
sum(pop_log_2019$P19_RP[is.na(pop_log_2019$taux_19_45) == 0]),
col = "lightskyblue1", density = 30, add = TRUE, freq = FALSE)
# Taux de résidences principales construites entre 1946 et 1970
taux_ancien_46_70_france <-
density(pop_log_2019$taux_46_70[is.na(pop_log_2019$taux_46_70) == 0],
weights = pop_log_2019$P19_RP[is.na(pop_log_2019$taux_46_70) == 0]/
sum(pop_log_2019$P19_RP[is.na(pop_log_2019$taux_46_70) == 0]))
plot(taux_ancien_46_70_france, col = couleur_france, lwd = 1.5, cex.main = 1,
main = "Construits entre 1946 et 1970", ylim = c(0, 5.5), lty = 3)
wtd.hist(x = pop_log_2019$taux_46_70[is.na(pop_log_2019$taux_46_70) == 0],
weights = pop_log_2019$P19_RP[is.na(pop_log_2019$taux_46_70) == 0]/
sum(pop_log_2019$P19_RP[is.na(pop_log_2019$taux_46_70) == 0]),
col = "palegreen", density = 30, add = TRUE, freq = FALSE)
# Taux de résidences principales construites entre 1971 et 1990
taux_ancien_71_90_france <-
density(pop_log_2019$taux_71_90[is.na(pop_log_2019$taux_71_90) == 0],
weights = pop_log_2019$P19_RP[is.na(pop_log_2019$taux_71_90) == 0]/
sum(pop_log_2019$P19_RP[is.na(pop_log_2019$taux_71_90) == 0]))
plot(taux_ancien_71_90_france, col = couleur_france, lwd = 1.5, cex.main = 1,
main = "Construits entre 1971 et 1990", lty = 3)
wtd.hist(x = pop_log_2019$taux_71_90[is.na(pop_log_2019$taux_71_90) == 0],
weights = pop_log_2019$P19_RP[is.na(pop_log_2019$taux_71_90) == 0]/
sum(pop_log_2019$P19_RP[is.na(pop_log_2019$taux_71_90) == 0]),
col = "pink", density = 30, add = TRUE, freq = FALSE)
# Taux de résidences principales construites entre 1991 et 2005
taux_ancien_91_05_france <-
density(pop_log_2019$taux_91_05[is.na(pop_log_2019$taux_91_05) == 0],
weights = pop_log_2019$P19_RP[is.na(pop_log_2019$taux_91_05) == 0]/
sum(pop_log_2019$P19_RP[is.na(pop_log_2019$taux_91_05) == 0]))
plot(taux_ancien_91_05_france, col = couleur_france, lwd = 1.5, cex.main = 1,
main = "Construits entre 1991 et 2005", ylim = c(0, 5), lty = 3)
wtd.hist(x = pop_log_2019$taux_91_05[is.na(pop_log_2019$taux_91_05) == 0],
weights = pop_log_2019$P19_RP[is.na(pop_log_2019$taux_91_05) == 0]/
sum(pop_log_2019$P19_RP[is.na(pop_log_2019$taux_91_05) == 0]),
col = couleur_territoiresru, density = 30, add = TRUE, freq = FALSE)
# Taux de résidences principales construites entre 2006 et 2015
taux_ancien_06_15_france <-
density(pop_log_2019$taux_06_15[is.na(pop_log_2019$taux_06_15) == 0],
weights = pop_log_2019$P19_RP[is.na(pop_log_2019$taux_06_15) == 0]/
sum(pop_log_2019$P19_RP[is.na(pop_log_2019$taux_06_15) == 0]))
plot(taux_ancien_06_15_france, col = couleur_france, lwd = 1.5, cex.main = 1,
main = "Construits entre 2006 et 2015", ylim = c(0, 6), lty = 3)
wtd.hist(x = pop_log_2019$taux_06_15[is.na(pop_log_2019$taux_06_15) == 0],
weights = pop_log_2019$P19_RP[is.na(pop_log_2019$taux_06_15) == 0]/
sum(pop_log_2019$P19_RP[is.na(pop_log_2019$taux_06_15) == 0]),
col = "snow3", density = 30, add = TRUE, freq = FALSE)
title("Taux des dates de constructions de logements des quartiers IRIS",
outer = TRUE)
Ancienneté des logements dans le territoire SRU
# Sur l'ensemble des quartiers (un poids par quartier)
par(mfrow = c(3, 2), oma = c(0, 9, 2, 9), mar = c(2, 2, 2, 2))
# Taux de résidences principales construites avant 1919
hist(pop_log_2019_terrsru$taux_av19,
main = "Construits avant 1919", xlab = "taux de résidences principales",
col = "navajowhite", cex.main = 1)
# Taux de résidences principales construites entre 1919 et 1945
hist(pop_log_2019_terrsru$taux_19_45,
main = "Construits entre 1919 et 1945", col = "lightskyblue1",
xlab = "taux de résidences principales", cex.main = 1)
# Taux de résidences principales construites entre 1946 et 1970
hist(pop_log_2019_terrsru$taux_46_70,
main = "Construits entre 1946 et 1970", col = "palegreen",
xlab = "taux de résidences principales", cex.main = 1)
# Taux de résidences principales construites entre 1971 et 1990
hist(pop_log_2019_terrsru$taux_71_90,
main = "Construits entre 1971 et 1990", col = "pink",
xlab = "taux de résidences principales", cex.main = 1)
# Taux de résidences principales construites entre 1991 et 2005
hist(pop_log_2019_terrsru$taux_91_05,
main = "Construits entre 1991 et 2005", col = couleur_territoiresru,
xlab = "taux de résidences principales", cex.main = 1)
# Taux de résidences principales construites entre 2006 et 2015
hist(pop_log_2019_terrsru$taux_06_15,
main = "Construits entre 2006 et 2015", col = "snow",
xlab = "taux de résidences principales", cex.main = 1)
title("Taux des dates de constructions de logements des quartiers IRIS du territoire SRU",
outer = TRUE, cex.main = 1.1)
# Sur les quartiers du territoire SRU (un poids par logement)
par(mfrow = c(3, 2), oma = c(0, 9, 2, 9), mar = c(2, 2, 2, 2))
# Taux de résidences principales construites avant 1919
taux_ancien_av19_terrsru <-
density(pop_log_2019_terrsru$taux_av19[is.na(pop_log_2019_terrsru$taux_av19) == 0],
weights = pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_av19) == 0]/
sum(pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_av19) == 0]))
plot(taux_ancien_av19_terrsru, col = couleur_territoiresru, lwd = 1.5,
main = "Construits avant 1919", cex.main = 1)
wtd.hist(x = pop_log_2019_terrsru$taux_av19[is.na(pop_log_2019_terrsru$taux_av19) == 0],
weights = pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_av19) == 0]/
sum(pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_av19) == 0]),
col = "navajowhite", density = 30, add = TRUE, freq = FALSE)
# Taux de résidences principales construites entre 1919 et 1945
taux_ancien_19_45_terrsru <-
density(pop_log_2019_terrsru$taux_19_45[is.na(pop_log_2019_terrsru$taux_19_45) == 0],
weights = pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_19_45) == 0]/
sum(pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_19_45) == 0]))
plot(taux_ancien_19_45_terrsru, col = couleur_territoiresru, lwd = 1.5,
main = "Construits entre 1919 et 1945", cex.main = 1)
wtd.hist(x = pop_log_2019_terrsru$taux_19_45[is.na(pop_log_2019_terrsru$taux_19_45) == 0],
weights = pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_19_45) == 0]/
sum(pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_19_45) == 0]),
col = "lightskyblue1", density = 30, add = TRUE, freq = FALSE)
# Taux de résidences principales construites entre 1946 et 1970
taux_ancien_46_70_terrsru <-
density(pop_log_2019_terrsru$taux_46_70[is.na(pop_log_2019_terrsru$taux_46_70) == 0],
weights = pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_46_70) == 0]/
sum(pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_46_70) == 0]))
plot(taux_ancien_46_70_terrsru, col = couleur_territoiresru, lwd = 1.5,
main = "Construits entre 1946 et 1970", ylim = c(0, 4), cex.main = 1)
wtd.hist(x = pop_log_2019_terrsru$taux_46_70[is.na(pop_log_2019_terrsru$taux_46_70) == 0],
weights = pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_46_70) == 0]/
sum(pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_46_70) == 0]),
col = "palegreen", density = 30, add = TRUE, freq = FALSE)
# Taux de résidences principales construites entre 1971 et 1990
taux_ancien_71_90_terrsru <-
density(pop_log_2019_terrsru$taux_71_90[is.na(pop_log_2019_terrsru$taux_71_90) == 0],
weights = pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_71_90) == 0]/
sum(pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_71_90) == 0]))
plot(taux_ancien_71_90_terrsru, col = couleur_territoiresru, lwd = 1.5,
main = "Construits entre 1971 et 1990", cex.main = 1)
wtd.hist(x = pop_log_2019_terrsru$taux_71_90[is.na(pop_log_2019_terrsru$taux_71_90) == 0],
weights = pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_71_90) == 0]/
sum(pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_71_90) == 0]),
col = "pink", density = 30, add = TRUE, freq = FALSE)
# Taux de résidences principales construites entre 1991 et 2005
taux_ancien_91_05_terrsru <-
density(pop_log_2019_terrsru$taux_91_05[is.na(pop_log_2019_terrsru$taux_91_05) == 0],
weights = pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_91_05) == 0]/
sum(pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_91_05) == 0]))
plot(taux_ancien_91_05_terrsru, col = couleur_territoiresru, lwd = 1.5,
main = "Construits entre 1991 et 2005", ylim = c(0, 4), cex.main = 1)
wtd.hist(x = pop_log_2019_terrsru$taux_91_05[is.na(pop_log_2019_terrsru$taux_91_05) == 0],
weights = pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_91_05) == 0]/
sum(pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_91_05) == 0]),
col = couleur_territoiresru, density = 30, add = TRUE, freq = FALSE)
# Taux de résidences principales construites entre 2006 et 2015
taux_ancien_06_15_terrsru <-
density(pop_log_2019_terrsru$taux_06_15[is.na(pop_log_2019_terrsru$taux_06_15) == 0],
weights = pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_06_15) == 0]/
sum(pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_06_15) == 0]))
plot(taux_ancien_06_15_terrsru, col = couleur_territoiresru, lwd = 1.5,
main = "Construits entre 2006 et 2015", ylim = c(0, 6), cex.main = 1)
wtd.hist(x = pop_log_2019_terrsru$taux_06_15[is.na(pop_log_2019_terrsru$taux_06_15) == 0],
weights = pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_06_15) == 0]/
sum(pop_log_2019_terrsru$P19_RP[is.na(pop_log_2019_terrsru$taux_06_15) == 0]),
col = "snow3", density = 30, add = TRUE, freq = FALSE)
title("Taux des dates de constructions de logements des quartiers IRIS du territoire SRU",
outer = TRUE, cex.main = 1.1)
Ancienneté des logements dans les quartiers IRIS des communes soumises à la loi SRU
# Sur l'ensemble des quartiers (un poids par quartier)
par(mfrow = c(3, 2), oma = c(0, 9, 2, 9), mar = c(2, 2, 2, 2))
# Taux de résidences principales construites avant 1919
hist(pop_log_2019_cososru$taux_av19, breaks = 0:20/20, cex.main = 1,
main = "Construits avant 1919", xlab = "taux de résidences principales",
col = "navajowhite")
# Taux de résidences principales construites entre 1919 et 1945
hist(pop_log_2019_cososru$taux_19_45, breaks = 0:20/20, cex.main = 1,
main = "Construits entre 1919 et 1945", col = "lightskyblue1",
xlab = "taux de résidences principales")
# Taux de résidences principales construites entre 1946 et 1970
hist(pop_log_2019_cososru$taux_46_70, breaks = 0:20/20, cex.main = 1,
main = "Construits entre 1946 et 1970", col = "palegreen",
xlab = "taux de résidences principales")
# Taux de résidences principales construites entre 1971 et 1990
hist(pop_log_2019_cososru$taux_71_90, breaks = 0:20/20, cex.main = 1,
main = "Construits entre 1971 et 1990", col = "pink",
xlab = "taux de résidences principales")
# Taux de résidences principales construites entre 1991 et 2005
hist(pop_log_2019_cososru$taux_91_05, breaks = 0:20/20, cex.main = 1,
main = "Construits entre 1991 et 2005", col = couleur_territoiresru,
xlab = "taux de résidences principales")
# Taux de résidences principales construites entre 2006 et 2015
hist(pop_log_2019_cososru$taux_06_15, breaks = 0:20/20, cex.main = 1,
main = "Construits entre 2006 et 2015", col = "snow",
xlab = "taux de résidences principales")
title("Taux des dates de constructions de logements des quartiers IRIS des communes soumises à la loi SRU",
outer = TRUE, cex.main = 0.9)
# Sur l'ensemble des quartiers (un poids par logement)
par(mfrow = c(3, 2), oma = c(0, 9, 2, 9), mar = c(2, 2, 2, 2))
# Taux de résidences principales construites avant 1919
taux_ancien_av19_cososru <-
density(pop_log_2019_cososru$taux_av19[is.na(pop_log_2019_cososru$taux_av19) == 0],
weights = pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_av19) == 0]/
sum(pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_av19) == 0]))
plot(taux_ancien_av19_cososru, col = couleur_communessru, lwd = 1.5,
main = "Construits avant 1919", cex.main = 1, lty = 5)
wtd.hist(x = pop_log_2019_cososru$taux_av19[is.na(pop_log_2019_cososru$taux_av19) == 0],
weights = pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_av19) == 0]/
sum(pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_av19) == 0]),
col = "navajowhite", density = 30, add = TRUE, freq = FALSE, breaks = 0:20/20)
# Taux de résidences principales construites entre 1919 et 1945
taux_ancien_19_45_cososru <-
density(pop_log_2019_cososru$taux_19_45[is.na(pop_log_2019_cososru$taux_19_45) == 0],
weights = pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_19_45) == 0]/
sum(pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_19_45) == 0]))
plot(taux_ancien_19_45_cososru, col = couleur_communessru, lwd = 1.5,
main = "Construits entre 1919 et 1945", cex.main = 1, lty = 5)
wtd.hist(x = pop_log_2019_cososru$taux_19_45[is.na(pop_log_2019_cososru$taux_19_45) == 0],
weights = pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_19_45) == 0]/
sum(pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_19_45) == 0]),
col = "lightskyblue1", density = 30, add = TRUE, freq = FALSE, breaks = 0:20/20)
# Taux de résidences principales construites entre 1946 et 1970
taux_ancien_46_70_cososru <-
density(pop_log_2019_cososru$taux_46_70[is.na(pop_log_2019_cososru$taux_46_70) == 0],
weights = pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_46_70) == 0]/
sum(pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_46_70) == 0]))
plot(taux_ancien_46_70_cososru, col = couleur_communessru, lwd = 1.5,
main = "Construits entre 1946 et 1970", cex.main = 1, lty = 5)
wtd.hist(x = pop_log_2019_cososru$taux_46_70[is.na(pop_log_2019_cososru$taux_46_70) == 0],
weights = pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_46_70) == 0]/
sum(pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_46_70) == 0]),
col = "palegreen", density = 30, add = TRUE, freq = FALSE, breaks = 0:20/20)
# Taux de résidences principales construites entre 1971 et 1990
taux_ancien_71_90_cososru <-
density(pop_log_2019_cososru$taux_71_90[is.na(pop_log_2019_cososru$taux_71_90) == 0],
weights = pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_71_90) == 0]/
sum(pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_71_90) == 0]))
plot(taux_ancien_71_90_cososru, col = couleur_communessru, lwd = 1.5,
main = "Construits entre 1971 et 1990", cex.main = 1, lty = 5)
wtd.hist(x = pop_log_2019_cososru$taux_71_90[is.na(pop_log_2019_cososru$taux_71_90) == 0],
weights = pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_71_90) == 0]/
sum(pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_71_90) == 0]),
col = "pink", density = 30, add = TRUE, freq = FALSE, breaks = 0:20/20)
# Taux de résidences principales construites entre 1991 et 2005
taux_ancien_91_05_cososru <-
density(pop_log_2019_cososru$taux_91_05[is.na(pop_log_2019_cososru$taux_91_05) == 0],
weights = pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_91_05) == 0]/
sum(pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_91_05) == 0]))
plot(taux_ancien_91_05_cososru, col = couleur_communessru, lwd = 1.5,
main = "Construits entre 1991 et 2005", cex.main = 1, lty = 5)
wtd.hist(x = pop_log_2019_cososru$taux_91_05[is.na(pop_log_2019_cososru$taux_91_05) == 0],
weights = pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_91_05) == 0]/
sum(pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_91_05) == 0]),
col = couleur_territoiresru, density = 30, add = TRUE, freq = FALSE, breaks = 0:20/20)
# Taux de résidences principales construites entre 2006 et 2015
taux_ancien_06_15_cososru <-
density(pop_log_2019_cososru$taux_06_15[is.na(pop_log_2019_cososru$taux_06_15) == 0],
weights = pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_06_15) == 0]/
sum(pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_06_15) == 0]))
plot(taux_ancien_06_15_cososru, col = couleur_communessru, lwd = 1.5,
main = "Construits entre 2006 et 2015", ylim = c(0, 6), cex.main = 1, lty = 5)
wtd.hist(x = pop_log_2019_cososru$taux_06_15[is.na(pop_log_2019_cososru$taux_06_15) == 0],
weights = pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_06_15) == 0]/
sum(pop_log_2019_cososru$P19_RP[is.na(pop_log_2019_cososru$taux_06_15) == 0]),
col = "snow3", density = 30, add = TRUE, freq = FALSE, breaks = 0:20/20)
title("Taux des dates de constructions de logements des quartiers IRIS des communes soumises à la loi SRU",
outer = TRUE, cex.main = 0.9)
Ancienneté des logements dans les quartiers IRIS des logements construits pour la loi SRU
Logements construits avant 1919
# un poids par logement
plot(density(LS_IRIS$taux_av19[is.na(LS_IRIS$taux_av19) == 0]), col = couleur_quartiersru,
main = "Taux de constructions avant 1919",
lwd = 2, xlim = c(0, 1), lty = 6)
hist(LS_IRIS$taux_av19, freq = FALSE, xlim = c(0, 1), add = TRUE,
col = "orange", density = 25, breaks = 0:20*0.05)
plot(taux_ancien_av19_terrsru, col = couleur_territoiresru, lty = 1, lwd = 2,
main = "Densités des logements construits avant 1919",
ylim = c(0, 28))
lines(taux_ancien_av19_cososru, lty = 5, lwd = 2, col = couleur_communessru)
lines(density(LS_IRIS$taux_av19[is.na(LS_IRIS$taux_av19) == 0]), col = "navy",
lwd = 2, lty = 6)
legend('topright',
legend = c('territoire SRU', 'communes soumises',
'quartiers concernés par SRU'),
lty = c(1, 5, 6), lwd = 2,
col = c(couleur_territoiresru, couleur_communessru, couleur_quartiersru))
Logements construits entre 1919 et 1945
# un poids par logement
plot(density(LS_IRIS$taux_19_45[is.na(LS_IRIS$taux_19_45) == 0]), col = couleur_quartiersru,
main = "Taux de constructions entre 1919 et 1945",
lwd = 2, xlim = c(0, 1), lty = 6)
hist(LS_IRIS$taux_19_45, freq = FALSE, xlim = c(0, 1), add = TRUE,
col = "skyblue", density = 25, breaks = 0:20*0.05)
plot(taux_ancien_19_45_terrsru, col = couleur_territoiresru, lty = 1, lwd = 2,
main = "Densités des logements construits entre 1919 et 1945",
ylim = c(0, 22))
lines(taux_ancien_19_45_cososru, lty = 5, lwd = 2, col = couleur_communessru)
lines(density(LS_IRIS$taux_19_45[is.na(LS_IRIS$taux_19_45) == 0]), col = "navy",
lwd = 2, lty = 6)
legend('topright', lty = c(1, 5, 6), lwd = 2,
legend = c('territoire SRU', 'communes soumises', 'quartiers concernés par SRU'),
col = c(couleur_territoiresru, couleur_communessru, couleur_quartiersru))
Logements construits entre 1946 et 1970
# un poids par logement
plot(density(LS_IRIS$taux_46_70[is.na(LS_IRIS$taux_46_70) == 0]), col = couleur_quartiersru,
main = "Taux de constructions entre 1946 et 1970",
lwd = 2, xlim = c(0, 1), lty = 6)
hist(LS_IRIS$taux_46_70, freq = FALSE, xlim = c(0, 1), add = TRUE,
col = "palegreen", density = 25, breaks = 0:20*0.05)
plot(taux_ancien_46_70_terrsru, col = couleur_territoiresru, lty = 1, lwd = 2,
main = "Densités des logements construits entre 1946 et 1970",
ylim = c(0, 5))
lines(taux_ancien_46_70_cososru, lty = 5, lwd = 2, col = couleur_communessru)
lines(density(LS_IRIS$taux_46_70[is.na(LS_IRIS$taux_46_70) == 0]), col = "navy",
lwd = 2, lty = 6)
legend('topright', lty = c(1, 5, 6), lwd = 2,
legend = c('territoire SRU', 'communes soumises', 'quartiers concernés par SRU'),
col = c(couleur_territoiresru, couleur_communessru, couleur_quartiersru))
Logements construits entre 1971 et 1990
# un poids par logement
plot(density(LS_IRIS$taux_71_90[is.na(LS_IRIS$taux_71_90) == 0]), col = couleur_quartiersru,
main = "Taux de constructions entre 1971 et 1990",
lwd = 2, xlim = c(0, 1), lty = 6)
hist(LS_IRIS$taux_71_90, freq = FALSE, xlim = c(0, 1), add = TRUE,
col = "pink", density = 25, breaks = 0:20*0.05)
plot(taux_ancien_71_90_terrsru, col = couleur_territoiresru, lty = 1, lwd = 2,
main = "Densités des logements construits entre 1971 et 1990", ylim = c(0, 3.5))
lines(taux_ancien_71_90_cososru, lty = 5, lwd = 2, col = couleur_communessru)
lines(density(LS_IRIS$taux_71_90[is.na(LS_IRIS$taux_71_90) == 0]), col = "navy",
lwd = 2, lty = 6)
legend('topright', lty = c(1, 5, 6), lwd = 2,
legend = c('territoire SRU', 'communes soumises', 'quartiers concernés par SRU'),
col = c(couleur_territoiresru, couleur_communessru, couleur_quartiersru))
Logements construits entre 1991 et 2005
# un poids par logement
plot(density(LS_IRIS$taux_91_05[is.na(LS_IRIS$taux_91_05) == 0]), col = couleur_quartiersru,
main = "Taux de constructions entre 1991 et 2005",
lwd = 2, xlim = c(0, 1), lty = 6)
hist(LS_IRIS$taux_91_05, freq = FALSE, xlim = c(0, 1), add = TRUE,
col = couleur_territoiresru, density = 25, breaks = 0:20*0.05)
plot(taux_ancien_91_05_terrsru, col = couleur_territoiresru, lty = 1, lwd = 2,
main = "Densités des logements construits entre 1991 et 2005")
lines(taux_ancien_91_05_cososru, lty = 5, lwd = 2, col = couleur_communessru)
lines(density(LS_IRIS$taux_91_05[is.na(LS_IRIS$taux_91_05) == 0]), col = "navy",
lwd = 2, lty = 6)
legend('topright', lty = c(1, 5, 6), lwd = 2,
legend = c('territoire SRU', 'communes soumises', 'quartiers concernés par SRU'),
col = c(couleur_territoiresru, couleur_communessru, couleur_quartiersru))
Logements construits entre 2006 et 2015
# un poids par logement
plot(density(LS_IRIS$taux_06_15[is.na(LS_IRIS$taux_06_15) == 0]), col = couleur_quartiersru,
main = "Taux de constructions entre 2006 et 2016",
lwd = 2, xlim = c(0, 1), lty = 6)
hist(LS_IRIS$taux_06_15, freq = FALSE, xlim = c(0, 1), add = TRUE,
col = "snow4", density = 25, breaks = 0:20*0.05)
plot(taux_ancien_06_15_terrsru, col = couleur_territoiresru, lty = 1, lwd = 2,
main = "Densités des logements construits entre 2006 et 2016")
lines(taux_ancien_06_15_cososru, lty = 5, lwd = 2, col = couleur_communessru)
lines(density(LS_IRIS$taux_06_15[is.na(LS_IRIS$taux_06_15) == 0]), col = "navy",
lwd = 2, lty = 6)
legend('topright', lty = c(1, 5, 6), lwd = 2,
legend = c('territoire SRU', 'communes soumises', 'quartiers concernés par SRU'),
col = c(couleur_territoiresru, couleur_communessru, couleur_quartiersru))
Logements
Les logements construits pour la loi SRU
Loyer
# les loyers sont inscrits avec des ',' lorsque qu'il ne s'agit pas d'un nombre
# entier donc R les comprend comme des chaîne de caractères. On remplace les ','
# par des '.' et on les transforme en nombres.
LS_IRIS$LOYERPRINC = as.numeric(gsub(',', '.', LS_IRIS$LOYERPRINC))
# Affichage
summary(LS_IRIS$LOYERPRINC)## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 32.0 358.0 438.0 451.8 519.0 2871.0 37268hist(LS_IRIS$LOYERPRINC, main = "Loyer des logements réponse à la loi SRU",
xlab = "loyer (en euro)")
boxplot(LS_IRIS$LOYERPRINC, main = "Loyer des logements réponse à la loi SRU")
Il y 29287 valeurs manquantes dans les loyers des logements sociaux
construits en réponse à la loi SRU. (Il y a 443 782 logements sociaux
construits pour la loi SRU.)
Type de logement
Les logements sociaux du parc HLM sont définis par leur financement.
# création d'une variable avec les groupe de financement de logements sociaux
LS_IRIS$financement <- gsub("10", "PLAI", as.character(LS_IRIS$FINAN))
LS_IRIS$financement <- gsub("11", "PLAI", LS_IRIS$financement)
LS_IRIS$financement <- gsub("12", "PLUS", LS_IRIS$financement)
LS_IRIS$financement <- gsub("13", "PLUS", LS_IRIS$financement)
LS_IRIS$financement <- gsub("14", "PLS", LS_IRIS$financement)
LS_IRIS$financement <- gsub("15", "PLS", LS_IRIS$financement)
LS_IRIS$financement <- gsub("16", "PLI", LS_IRIS$financement)
LS_IRIS$financement <- gsub("17", "PLS", LS_IRIS$financement)
LS_IRIS$financement <- gsub("49", "autre", LS_IRIS$financement)
LS_IRIS$financement <- gsub("51", "PLUS", LS_IRIS$financement)
LS_IRIS$financement <- gsub("52", "PLUS", LS_IRIS$financement)
LS_IRIS$financement <- gsub("53", "PLUS", LS_IRIS$financement)
LS_IRIS$financement <- gsub("54", "PLUS", LS_IRIS$financement)
LS_IRIS$financement <- gsub("99", "autre", LS_IRIS$financement)
table(LS_IRIS$financement)##
## autre PLAI PLS PLUS
## 8590 93345 91015 299366table(LS_IRIS$financement)/length(LS_IRIS[,1])##
## autre PLAI PLS PLUS
## 0.01744814 0.18960383 0.18487110 0.60807693barplot(table(LS_IRIS$financement),
main = "Types des logements sociaux réponses à la loi SRU")
Nombre de pièces
table(LS_IRIS$NBPIECE)##
## 1 2 3 4 5 6 7 8 9
## 49455 123080 188204 109504 21119 805 85 52 12table(LS_IRIS$NBPIECE)/length(LS_IRIS[,1])##
## 1 2 3 4 5 6
## 1.004538e-01 2.500020e-01 3.822829e-01 2.224262e-01 4.289724e-02 1.635129e-03
## 7 8 9
## 1.726533e-04 1.056232e-04 2.437459e-05barplot(table(LS_IRIS$NBPIECE), xlab = "pièces", ylab = "effectifs",
main = "Nombre de pièce des logements réponse à la loi SRU")
group <- as.factor(LS_IRIS$financement)
plot(LS_IRIS$LOYERPRINC, LS_IRIS$NBPIECE, pch = as.numeric(group), col = group,
xlab = "loyer", ylab = "nombre de pièces",
main = "Nombre de pièces, loyer et types des logements sociaux réponse à la loi SRU")
legend("bottomright", legend = unique(LS_IRIS$financement),
pch = unique(as.numeric(group)), col = unique(group),
title = "Financement")
Les logements construits avant la loi SRU dans les quartiers IRIS concernés
quartiers = unique(LS_IRIS$quartier_iris)
length(quartiers)## [1] 5486Il y a 4820 quartiers IRIS qui sont concernés par des logements construits en réponse à la loi SRU. On va chercher les logements qui sont construits dans ces quartiers avant la loi SRU.
geoloc2021_decret$PLG_IRIS2021[geoloc2021_decret$PLG_IRIS2021 == 'CSZ'] = '0000'
geoloc2021_decret$PLG_IRIS2021[is.na(geoloc2021_decret$PLG_IRIS2021)] = '0000'
# On concatène les codes des communes et des quartiers IRIS
# pour avoir le code du quartier en entier
geoloc2021_decret$quartier_iris <- paste(geoloc2021_decret$DEPCOM, geoloc2021_decret$PLG_IRIS2021,
sep = "")logements_precedents <-
geoloc2021_decret[geoloc2021_decret$quartier_iris %in% quartiers &
geoloc2021_decret$CONSTRUCT <= 2001 &
geoloc2021_decret$FINAN != 16,]Il y a 608072 logements construits avant la mise en place de la loi SRU dans les quartiers où seront construits des logements sociaux en réponse à la loi SRU.
length(unique(logements_precedents$quartier_iris))## [1] 4156Loyer
# les loyers sont inscrits avec des ',' lorsque qu'il ne s'agit pas d'un nombre
# entier donc R les comprend comme des chaîne de caractères. On remplace les ','
# par des '.' et on les transforme en nombres.
logements_precedents$LOYERPRINC = as.numeric(gsub(',', '.', logements_precedents$LOYERPRINC))
# Affichage
summary(logements_precedents$LOYERPRINC)## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 25.04 316.00 384.00 405.65 472.00 3101.00 34482hist(logements_precedents$LOYERPRINC, main = "Loyer des logements précédents la loi SRU",
xlab = "loyer (en euro)")
boxplot(logements_precedents$LOYERPRINC, main = "Loyer des logements précédets la loi SRU")
Il y 27803 valeurs manquantes dans les loyers des logements sociaux
précédents la loi SRU. (Il y a 608072 logements sociaux précédents la
loi SRU.)
Type de logement
Les logements sociaux du parc HLM sont définis par leur financement.
# création d'une variable avec les groupes de financement de logements sociaux
logements_precedents$financement <- gsub("10", "PLAI", as.character(logements_precedents$FINAN))
logements_precedents$financement <- gsub("11", "PLAI", logements_precedents$financement)
logements_precedents$financement <- gsub("12", "PLUS", logements_precedents$financement)
logements_precedents$financement <- gsub("13", "PLUS", logements_precedents$financement)
logements_precedents$financement <- gsub("14", "PLS", logements_precedents$financement)
logements_precedents$financement <- gsub("15", "PLS", logements_precedents$financement)
logements_precedents$financement <- gsub("16", "PLI", logements_precedents$financement)
logements_precedents$financement <- gsub("17", "PLS", logements_precedents$financement)
logements_precedents$financement <- gsub("49", "autre", logements_precedents$financement)
logements_precedents$financement <- gsub("50", "PLUS", logements_precedents$financement)
logements_precedents$financement <- gsub("51", "PLUS", logements_precedents$financement)
logements_precedents$financement <- gsub("52", "PLUS", logements_precedents$financement)
logements_precedents$financement <- gsub("53", "PLUS", logements_precedents$financement)
logements_precedents$financement <- gsub("54", "PLUS", logements_precedents$financement)
logements_precedents$financement <- gsub("55", "PLUS", logements_precedents$financement)
logements_precedents$financement <- gsub("99", "autre", logements_precedents$financement)
table(logements_precedents$financement)##
## autre PLAI PLS PLUS
## 53157 37397 35091 580234sum(is.na(logements_precedents$financement))## [1] 0table(logements_precedents$financement)/length(logements_precedents[,1])##
## autre PLAI PLS PLUS
## 0.07530611 0.05297933 0.04971249 0.82200207barplot(table(logements_precedents$financement),
main = "Types des logements sociaux précédents la loi SRU")
Nombre de pièces
table(logements_precedents$NBPIECE)##
## 1 2 3 4 5 6 7 8 9
## 61084 141118 253005 194485 50154 5566 401 42 24table(logements_precedents$NBPIECE)/length(logements_precedents[,1])##
## 1 2 3 4 5 6
## 8.653608e-02 1.999181e-01 3.584255e-01 2.755217e-01 7.105184e-02 7.885204e-03
## 7 8 9
## 5.680860e-04 5.950028e-05 3.400016e-05barplot(table(logements_precedents$NBPIECE), xlab = "pièces", ylab = "effectif",
main = "Nombre de pièces des logements sociaux précédents la loi SRU")
group <- as.factor(logements_precedents$financement)
plot(logements_precedents$LOYERPRINC, logements_precedents$NBPIECE, pch = as.numeric(group), col = group,
xlab = "loyer", ylab = "nombre de pièces",
main = "Nombre de pièces, loyer et types des logements sociaux précédents la loi SRU ")
legend("bottomright", legend = unique(logements_precedents$financement),
pch = unique(as.numeric(group)), col = unique(group),
title = "Financement")
Comparaison des logements construits pour la loi SRU et les logements les précédant
# Calcul des moyennes et médianes des loyers pour les logements précédents la loi SRU
mydb <- dbConnect(RSQLite::SQLite(), "")
dbWriteTable(mydb, "logements_precedents", logements_precedents)
dbWriteTable(mydb, "LS_IRIS", LS_IRIS)
# les loyers moyen et médian des LS par quartiers IRIS pour les logements
# précédents la loi SRU
MOY_pre <-
dbGetQuery(mydb, "
SELECT DEPCOM, quartier_iris,
AVG(LOYERPRINC) \"LOYERCOM_MOY_pre\",
MEDIAN(LOYERPRINC) \"LOYERCOM_MED_pre\",
AVG(NBPIECE) \"NBPIECE_MOY_pre\",
MEDIAN(NBPIECE) \"NBPIECE_MED_pre\",
COUNT(*) \"NB_LOG_pre\"
FROM logements_precedents
GROUP BY quartier_iris
")
# les loyers moyen et médian des LS par quartier IRIS pour les logements réponse
# à la loi SRU
MOY_rep <-
dbGetQuery(mydb, "
SELECT DEPCOM, quartier_iris,
AVG(LOYERPRINC) \"LOYERCOM_MOY_rep\",
MEDIAN(LOYERPRINC) \"LOYERCOM_MED_rep\",
AVG(NBPIECE) \"NBPIECE_MOY_rep\",
MEDIAN(NBPIECE) \"NBPIECE_MED_rep\",
COUNT(*) \"NB_LOG_rep\"
FROM LS_IRIS
GROUP BY quartier_iris
")
dbWriteTable(mydb, "MOY_pre", MOY_pre)
dbWriteTable(mydb, "MOY_rep", MOY_rep)
MOY <-
dbGetQuery(mydb, "
SELECT quartier_iris,
LOYERCOM_MOY_pre, LOYERCOM_MOY_rep,
LOYERCOM_MED_pre, LOYERCOM_MED_rep,
NBPIECE_MOY_pre, NBPIECE_MOY_rep,
NBPIECE_MED_pre, NBPIECE_MED_rep,
NB_LOG_pre, NB_LOG_rep
FROM MOY_pre m1 JOIN
MOY_rep m2 USING(quartier_iris)")
dbDisconnect(mydb)On regarde les 4074 quartierss qui ont des logements sociaux construits avant et après l’application de la loi.
max = max(c(MOY$LOYERCOM_MED_pre[is.na(MOY$LOYERCOM_MED_pre) == 0],
MOY$LOYERCOM_MED_rep[is.na(MOY$LOYERCOM_MED_rep) == 0]))
par(mar = par("mar") + c(0, 7.5, 0, 7.5))
plot(MOY$LOYERCOM_MOY_pre, MOY$LOYERCOM_MOY_rep, pch = 20,
xlab = "loyer des logements précédents la loi SRU",
ylab = "loyer des logements réponse à la loi SRU",
main = "Loyers moyens par quartier des logements sociaux",
xlim = c(0, max), ylim = c(0, max))
MOY[is.na(MOY$LOYERCOM_MOY_pre) == 0 & MOY$LOYERCOM_MOY_pre>2000,]## quartier_iris LOYERCOM_MOY_pre LOYERCOM_MOY_rep LOYERCOM_MED_pre
## 1982 603820201 2398 475.4247 2398
## LOYERCOM_MED_rep NBPIECE_MOY_pre NBPIECE_MOY_rep NBPIECE_MED_pre
## 1982 474 9 2.968468 9
## NBPIECE_MED_rep NB_LOG_pre NB_LOG_rep
## 1982 3 1 222logements_precedents[logements_precedents$quartier_iris == 603820201,]## X.1 IDENT_REP IDENT_INT IDENT_ORG DROIT DEPCOM CODEPOSTAL
## 1193464 1193464 12791671 1.9301.401.001.0001 10424 1 60382 60280
## LIBCOM NUMVOIE INDREP TYPVOIE NOMVOIE NUMAPPT
## 1193464 Margny-lès-Compiègne 172 RUE JEAN JAURES 1
## NUMBOITE ESC COULOIR ETAGE COMPLIDENT ENTREE BAT IMMEU COMPLGEO LIEUDIT
## 1193464 0
## QPV TYPECONST NBPIECE SURFHAB CONSTRUCT LOCAT PATRIMOINE ORIGINE
## 1193464 2 I 9 100 2000 2000 2000 1
## RSEXPRO SIRETEXPRO FINAN FINANAUTRE CONV NUMCONV DATCONV SORTIEPATRIM
## 1193464 49 49 2 <NA> <NA> 9
## OLDLOGT NEWLOGT MODE BAIL MODESURF SURFMODE LOYERPRINC LOYERACC
## 1193464 NA NA 4 NA/NA NA NA 2398 NA
## CONTRIB CUS DPEDATE DPEENERGIE DPESERRE SRU_EXPIR SRU_ALINEA IDENTGES
## 1193464 NA NA 01/2018 D D NA NA
## CODSEGPATRIM LIBSEGPATRIM LOYERMAXAPL LOYERMAXCUS QUALACQ MISCOMMERCIAL
## 1193464 NA NA NA 2
## PRIXVENTE PRODFIN REMLOCDATE CONTRESLOG PMR DATMISVENTE DATVEFFECT
## 1193464 NA NA <NA> 7 1 <NA> <NA>
## CAT_ORG RS SIRET DEP LIBDEP REG
## 1193464 211 SA HLM du département de l'Aisne 5.8598e+13 60 Oise 32
## LIBREG EPCI
## 1193464 Hauts-de-France 200067965
## LIBEPCI
## 1193464 CA de la Région de Compiègne et de la Basse Automne
## DEPARTEMENTS_DE_L_EPCI REGIONS_DE_L_EPCI ARN finan_cus mes_sanscumul
## 1193464 60 32 NA PLI 0
## loymoy age duree_vacance ANNEE_REMLOC MOIS_REMLOC MOIS_BAIL ANNEE_BAIL
## 1193464 23,98 20 <NA> NA NA NA NA
## BAIL_DATE REMLOCDATE_DATE PLG_CODE_COMMUNE2021 PLG_VOIE EPSG
## 1193464 <NA> <NA> 60382 RUE JEAN JAURES 2154
## X Y PLG_QP PLG_IRIS2021 PLG_ZUS PLG_ZFU PLG_QVA
## 1193464 687024,6 6925122 CSZ 0201 CSZ CSZ CSZ
## QUALITE_VOIE QUALITE_NUMERO QUALITE_XY DISTANCE_PRECISION QUALITE_QP
## 1193464 1 1 11 <NA> NA
## QUALITE_IRIS QUALITE_ZUS QUALITE_ZFU QUALITE_QVA MILLESIME COMAQP
## 1193464 1 NA NA NA 2021 0
## COMAZUS COMRIL EPCI_2021 UU2020 AAV2020 ZE2020 quartier_iris
## 1193464 0 0 200067965 60502 078 3210 603820201
## financement
## 1193464 autreLe quartier 603820201 a une moyenne très haute pour les loyers précédents la loi SRU. En fait, il s’agit d’un seul logement avec un loyer élevé.
hist(MOY$LOYERCOM_MOY_pre - MOY$LOYERCOM_MOY_rep)
par(mar = par("mar") + c(0, 7.5, 0, 7.5))
plot(MOY$LOYERCOM_MED_pre, MOY$LOYERCOM_MED_rep, pch = 20,
xlab = "loyer logements précédents la loi SRU",
ylab = "loyer logements réponse à la loi SRU",
main = "Loyers médians par quartier des logements sociaux",
xlim = c(0, max), ylim = c(0, max))
par(mar = par("mar") + c(0, 7.5, 0, 7.5))
plot(MOY$NBPIECE_MOY_pre, MOY$NBPIECE_MOY_rep, pch = 20,
xlab = "Nombre de pièces pour les logements précédents la loi SRU",
ylab = "Nombre de pièces pour les logements réponse ",
main = "Nombres de pièces moyen pour les quartiers IRIS",
xlim = c(1, 9), ylim = c(1, 9), lab = c(9, 9, 0))
table(MOY$NBPIECE_MED_pre, MOY$NBPIECE_MED_rep)##
## 1 1.5 2 2.5 3 3.5 4 4.5 5 6 7 8
## 1 18 0 34 2 59 0 11 0 3 0 0 0
## 1.5 2 0 2 0 6 0 1 0 0 0 0 0
## 2 51 3 107 25 280 2 18 1 2 0 0 0
## 2.5 5 0 8 0 20 0 2 0 0 0 0 0
## 3 102 3 278 39 1844 35 181 5 15 2 1 1
## 3.5 0 0 6 0 32 2 7 0 0 0 0 1
## 4 9 0 65 14 598 18 105 3 6 2 0 0
## 4.5 0 0 2 1 16 0 1 0 0 0 0 0
## 5 1 0 4 0 48 0 21 0 2 0 0 0
## 5.5 0 0 0 1 3 1 0 0 0 0 0 0
## 6 0 0 1 0 5 1 4 0 1 0 0 0
## 6.5 0 0 1 0 0 0 0 0 0 0 0 0
## 7 0 0 0 0 3 0 1 0 0 0 0 0
## 7.5 0 0 0 0 1 0 0 0 0 0 0 0
## 9 0 0 0 0 1 0 0 0 0 0 0 0Comparaison des logements construits pour la loi SRU et du parc total
parc total sur la période
log_periode <- geoloc2021_decret[geoloc2021_decret$CONSTRUCT >= 2002 & # les logements construits à partir de 2002
!(geoloc2021_decret$DEPCOM %in% c( # mais pas dans les communes soumises à la loi SRU
communes_soumises_SRU$code_commune, arrondissements$code)) &
geoloc2021_decret$FINAN != 16,] # On ne prend pas en compte les logements PLI.
log_periode$LOYERPRINC <- as.numeric(gsub(',', '.', log_periode$LOYERPRINC))Il y a 1218005 logements sociaux construits dans le parc HLM depuis l’application de la loi SRU, dont 679853 qui ne sont pas construits dans les communes soumises à la loi SRU.
Loyer
summary(log_periode$LOYERPRINC)## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 26.08 362.00 433.00 444.31 507.00 2224.00 43238boxplot(LS_IRIS$LOYERPRINC, log_periode$LOYERPRINC,
ylab = "loyer (en euro)",
main = "Loyers des logements du parc HLM construits sur la période de la loi SRU",
names = c("logements SRU", "logements non SRU"))
Type de logement
# création d'une variable avec les groupes de financement de logements sociaux
log_periode$financement <- gsub("10", "PLAI", as.character(log_periode$FINAN))
log_periode$financement <- gsub("11", "PLAI", log_periode$financement)
log_periode$financement <- gsub("12", "PLUS", log_periode$financement)
log_periode$financement <- gsub("13", "PLUS", log_periode$financement)
log_periode$financement <- gsub("14", "PLS", log_periode$financement)
log_periode$financement <- gsub("15", "PLS", log_periode$financement)
log_periode$financement <- gsub("16", "PLI", log_periode$financement)
log_periode$financement <- gsub("17", "PLS", log_periode$financement)
log_periode$financement <- gsub("49", "autre", log_periode$financement)
log_periode$financement <- gsub("50", "PLUS", log_periode$financement)
log_periode$financement <- gsub("51", "PLUS", log_periode$financement)
log_periode$financement <- gsub("52", "PLUS", log_periode$financement)
log_periode$financement <- gsub("53", "PLUS", log_periode$financement)
log_periode$financement <- gsub("54", "PLUS", log_periode$financement)
log_periode$financement <- gsub("55", "PLUS", log_periode$financement)
log_periode$financement <- gsub("99", "autre", log_periode$financement)
table(log_periode$financement)##
## autre PLAI PLS PLUS
## 24842 93393 106971 454647sum(is.na(log_periode$financement))## [1] 0table(log_periode$financement)/length(log_periode[,1])##
## autre PLAI PLS PLUS
## 0.03654025 0.13737234 0.15734431 0.66874310barplot(table(log_periode$financement),
main = "Types des logements sociaux du parc HLM de la période SRU")
Nombre de pièces
table(log_periode$NBPIECE)##
## 1 2 3 4 5 6 7 8 9
## 52458 143659 257590 186174 37758 2038 141 29 6table(log_periode$NBPIECE)/sum(table(log_periode$NBPIECE))##
## 1 2 3 4 5 6
## 7.716080e-02 2.113089e-01 3.788907e-01 2.738445e-01 5.553848e-02 2.997707e-03
## 7 8 9
## 2.073978e-04 4.265628e-05 8.825437e-06barplot(table(log_periode$NBPIECE))
parc total sur les communes du territoire SRU et sur la période
log_com <- geoloc2021_decret[geoloc2021_decret$CONSTRUCT >= 2002 & # les logements construits sur la même période
geoloc2021_decret$DEPCOM %in% communes_territoire_SRU & # dans le territoire SRU
!(geoloc2021_decret$DEPCOM %in% c( # mais pas dans les communes soumises à la loi SRU
communes_soumises_SRU$code_commune, arrondissements$code)) &
geoloc2021_decret$FINAN != 16,] # et sans les logements PLIIl y a 503756 logements sociaux du parc HLM construits depuis 2002 dans les communes du territoire SRU mais pas dans les communes soumises à la loi SRU.
Loyer
log_com$LOYERPRINC <- as.numeric(gsub(',', '.', log_com$LOYERPRINC))
summary(log_com$LOYERPRINC)## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 26.08 364.00 441.00 452.85 521.00 2224.00 38466Type de logement
# création d'une variable avec les groupes de financement de logements sociaux
log_com$financement <- gsub("10", "PLAI", as.character(log_com$FINAN))
log_com$financement <- gsub("11", "PLAI", log_com$financement)
log_com$financement <- gsub("12", "PLUS", log_com$financement)
log_com$financement <- gsub("13", "PLUS", log_com$financement)
log_com$financement <- gsub("14", "PLS", log_com$financement)
log_com$financement <- gsub("15", "PLS", log_com$financement)
log_com$financement <- gsub("16", "PLI", log_com$financement)
log_com$financement <- gsub("17", "PLS", log_com$financement)
log_com$financement <- gsub("49", "autre", log_com$financement)
log_com$financement <- gsub("50", "PLUS", log_com$financement)
log_com$financement <- gsub("51", "PLUS", log_com$financement)
log_com$financement <- gsub("52", "PLUS", log_com$financement)
log_com$financement <- gsub("53", "PLUS", log_com$financement)
log_com$financement <- gsub("54", "PLUS", log_com$financement)
log_com$financement <- gsub("55", "PLUS", log_com$financement)
log_com$financement <- gsub("99", "autre", log_com$financement)
table(log_com$financement)##
## autre PLAI PLS PLUS
## 19965 66006 91296 326489table(log_com$financement)/sum(table(log_com$financement))##
## autre PLAI PLS PLUS
## 0.03963228 0.13102772 0.18123060 0.64810940barplot(table(log_com$financement))
Nombre de pièces
table(log_com$NBPIECE)##
## 1 2 3 4 5 6 7 8 9
## 49080 111268 186808 126846 28012 1608 111 19 4table(log_com$NBPIECE)/sum(table(log_com$NBPIECE))##
## 1 2 3 4 5 6
## 9.742812e-02 2.208768e-01 3.708303e-01 2.518005e-01 5.560629e-02 3.192022e-03
## 7 8 9
## 2.203448e-04 3.771667e-05 7.940352e-06barplot(table(log_com$NBPIECE))
Comparaison
Loyer
summary(LS_IRIS$LOYERPRINC)## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 32.0 358.0 438.0 451.8 519.0 2871.0 37268summary(logements_precedents$LOYERPRINC)## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 25.04 316.00 384.00 405.65 472.00 3101.00 34482summary(log_periode$LOYERPRINC)## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 26.08 362.00 433.00 444.31 507.00 2224.00 43238summary(log_com$LOYERPRINC)## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 26.08 364.00 441.00 452.85 521.00 2224.00 38466boxplot(LS_IRIS$LOYERPRINC, logements_precedents$LOYERPRINC,
log_periode$LOYERPRINC, log_com$LOYERPRINC,
names = c("réponse", "précédents",
"depuis 2002", "territoire SRU"),
xlab = "logements", ylab = "loyer",
main = "Boxplots des loyers des logements du parc HLM ")
par(mfrow = c(2,2), oma = c(0, 0, 1, 0), mar = c(4, 2, 1, 1))
hist(LS_IRIS$LOYERPRINC, main = "logements réponse", xlim = c(0, 2500),
xlab = "loyer (en euros)")
hist(logements_precedents$LOYERPRINC, main = "logements précédents",
xlab = "loyer (en euros)", xlim = c(0, 2500))
hist(log_periode$LOYERPRINC, main = "logements depuis 2002", xlim = c(0, 2500),
xlab = "loyer (en euros)")
hist(log_com$LOYERPRINC, main = "logements territoire SRU", xlim = c(0, 2500),
xlab = "loyer (en euros)")
title(outer = TRUE, main = "Loyers des logements sociaux du parc HLM")
Type de logement
par(mfrow = c(2,2), oma = c(0, 0, 1, 0), mar = c(2, 2, 2, 1))
barplot(table(LS_IRIS$financement), main = "logements réponse")
barplot(table(logements_precedents$financement), main = "logements précédents")
barplot(table(log_periode$financement), main = "logements depuis 2002")
barplot(table(log_com$financement), main = "logements territoire SRU")
title(outer = TRUE, main = "Type de logements sociaux du parc HLM")
Nombre de pièces
par(mfrow = c(2,2), oma = c(0, 0, 1, 0), mar = c(2, 2, 2, 1))
barplot(table(LS_IRIS$NBPIECE), main = "logements réponse")
barplot(table(logements_precedents$NBPIECE), main = "logements précédents")
barplot(table(log_periode$NBPIECE), main = "logements depuis 2002")
barplot(table(log_com$NBPIECE), main = "logements territoire SRU")
title(outer = TRUE, main = "Nombre de pièces de logements sociaux du parc HLM")
Taille des logements
summary(LS_IRIS$SURFHAB)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 8.0 48.0 65.0 62.6 77.0 260.0summary(logements_precedents$SURFHAB)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 8.00 51.00 65.00 63.95 77.00 300.00summary(log_periode$SURFHAB)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 9.00 54.00 68.00 66.96 81.00 286.00summary(log_com$SURFHAB)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 9.00 52.00 67.00 65.38 80.00 286.00boxplot(LS_IRIS$SURFHAB, logements_precedents$SURFHAB, log_periode$SURFHAB,
log_com$SURFHAB, xlab = "logements", ylab = "surface habitable (m²)",
names = c("réponse", "précédents", "depuis 2002", "territoire SRU"),
main = "Boxplots des surfaces habitables des logements du parc HLM ")
par(mfrow = c(2,2), oma = c(0, 1, 1, 0), mar = c(4, 1, 1, 1))
hist(LS_IRIS$SURFHAB, main = "logements réponse", xlim = c(0, 300),
xlab = "surface habitable (m²)")
hist(logements_precedents$SURFHAB, main = "logements précédents",
xlab = "surface habitable (m²)")
hist(log_periode$SURFHAB, main = "logements depuis 2002",
xlab = "surface habitable (m²)")
hist(log_com$SURFHAB, main = "logements territoire SRU",
xlab = "surface habitable (m²)")
title(outer = TRUE, main = "Surface habitable des logements sociaux du parc HLM")
Loyer au m²
LS_IRIS$loyer_m2 = LS_IRIS$LOYERPRINC/LS_IRIS$SURFHAB
logements_precedents$loyer_m2 = logements_precedents$LOYERPRINC/logements_precedents$SURFHAB
log_periode$loyer_m2 = log_periode$LOYERPRINC/log_periode$SURFHAB
log_com$loyer_m2 = log_com$LOYERPRINC/log_com$SURFHABsummary(LS_IRIS$loyer_m2)## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.32 6.09 6.67 7.15 7.49 36.50 37268summary(logements_precedents$loyer_m2)## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.20 5.26 6.14 6.51 7.18 39.67 34482summary(log_periode$loyer_m2)## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.25 5.66 6.20 6.61 7.06 34.58 43238summary(log_com$loyer_m2)## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.25 5.82 6.41 6.85 7.34 34.58 38466boxplot(LS_IRIS$loyer_m2, logements_precedents$loyer_m2, log_periode$loyer_m2,
log_com$loyer_m2, xlab = "logements", ylab = "loyer au m² (en euros)",
names = c("réponse", "précédents", "depuis 2002", "territoire SRU"),
main = "Boxplots des loyer au m² des logements du parc HLM ")
LS_IRIS[LS_IRIS$loyer_m2>30 & is.na(LS_IRIS$loyer_m2) == 0,]## IDENT_REP DEPCOM CONSTRUCT FINAN LOYERPRINC LOYERACC loymoy SURFHAB
## 266369 55021035 68118 2019 13 285 20 35,62 8
## 266372 55021069 68118 2019 10 279 15 34,88 8
## 266373 55021077 68118 2019 13 292 15 36,5 8
## 266374 55021085 68118 2019 13 286 20 35,75 8
## 379641 55690286 92026 2019 49 592 31 32,89 18
## 444341 56498978 75056 2019 49 1376 177 32 43
## 468079 55689974 75056 2019 49 886 91 34,08 26
## 468081 55689990 75056 2019 49 941 88 32,45 29
## 468083 55690012 75056 2019 49 933 50 31,1 30
## 468094 55690129 75056 2019 49 897 86 30,93 29
## 468095 55690137 75056 2019 49 919 122 31,69 29
## PLG_IRIS2021 QUALITE_IRIS NBPIECE quartier_iris COM TYP_IRIS
## 266369 0000 NA 1 68118CSZ <NA> <NA>
## 266372 0000 NA 1 68118CSZ <NA> <NA>
## 266373 0000 NA 1 68118CSZ <NA> <NA>
## 266374 0000 NA 1 68118CSZ <NA> <NA>
## 379641 0301 1 1 920260301 92026 H
## 444341 1001 1 2 751031001 75103 H
## 468079 7710 1 3 751207710 75120 H
## 468081 7710 1 3 751207710 75120 H
## 468083 7710 1 3 751207710 75120 H
## 468094 7710 1 3 751207710 75120 H
## 468095 7710 1 3 751207710 75120 H
## MODIF_IRIS LAB_IRIS P19_POP P19_POP0002 P19_POP0305 P19_POP0610
## 266369 NA <NA> NA NA NA NA
## 266372 NA <NA> NA NA NA NA
## 266373 NA <NA> NA NA NA NA
## 266374 NA <NA> NA NA NA NA
## 379641 0 1 1910.796 98.63072 37.93330 77.11074
## 444341 0 1 2349.426 82.22101 64.05826 117.49662
## 468079 0 2 2549.789 98.36723 61.83788 96.44091
## 468081 0 2 2549.789 98.36723 61.83788 96.44091
## 468083 0 2 2549.789 98.36723 61.83788 96.44091
## 468094 0 2 2549.789 98.36723 61.83788 96.44091
## 468095 0 2 2549.789 98.36723 61.83788 96.44091
## P19_POP1117 P19_POP1824 P19_POP2539 P19_POP4054 P19_POP5564 P19_POP6579
## 266369 NA NA NA NA NA NA
## 266372 NA NA NA NA NA NA
## 266373 NA NA NA NA NA NA
## 266374 NA NA NA NA NA NA
## 379641 145.3090 220.4512 464.1187 400.1191 173.5124 175.0590
## 444341 166.6009 230.3795 700.3306 505.3417 236.9333 197.2103
## 468079 169.7314 235.0821 774.4932 486.0683 224.6272 276.6970
## 468081 169.7314 235.0821 774.4932 486.0683 224.6272 276.6970
## 468083 169.7314 235.0821 774.4932 486.0683 224.6272 276.6970
## 468094 169.7314 235.0821 774.4932 486.0683 224.6272 276.6970
## 468095 169.7314 235.0821 774.4932 486.0683 224.6272 276.6970
## P19_POP80P P19_POP0014 P19_POP1529 P19_POP3044 P19_POP4559 P19_POP6074
## 266369 NA NA NA NA NA NA
## 266372 NA NA NA NA NA NA
## 266373 NA NA NA NA NA NA
## 266374 NA NA NA NA NA NA
## 379641 118.55182 295.5586 405.0735 454.1850 391.6149 184.6488
## 444341 48.85421 366.5412 557.4370 604.4400 466.1948 272.0801
## 468079 126.44392 343.6955 607.8152 698.7047 391.8048 326.7685
## 468081 126.44392 343.6955 607.8152 698.7047 391.8048 326.7685
## 468083 126.44392 343.6955 607.8152 698.7047 391.8048 326.7685
## 468094 126.44392 343.6955 607.8152 698.7047 391.8048 326.7685
## 468095 126.44392 343.6955 607.8152 698.7047 391.8048 326.7685
## P19_POP75P P19_POP0019 P19_POP2064 P19_POP65P P19_POPH P19_H0014
## 266369 NA NA NA NA NA NA
## 266372 NA NA NA NA NA NA
## 266373 NA NA NA NA NA NA
## 266374 NA NA NA NA NA NA
## 379641 179.71510 414.8747 1202.310 293.6108 915.0993 149.7433
## 444341 82.73334 487.6449 1615.717 246.0645 1082.0214 174.1091
## 468079 181.00057 496.1838 1650.465 403.1409 1285.4072 178.7369
## 468081 181.00057 496.1838 1650.465 403.1409 1285.4072 178.7369
## 468083 181.00057 496.1838 1650.465 403.1409 1285.4072 178.7369
## 468094 181.00057 496.1838 1650.465 403.1409 1285.4072 178.7369
## 468095 181.00057 496.1838 1650.465 403.1409 1285.4072 178.7369
## P19_H1529 P19_H3044 P19_H4559 P19_H6074 P19_H75P P19_H0019 P19_H2064
## 266369 NA NA NA NA NA NA NA
## 266372 NA NA NA NA NA NA NA
## 266373 NA NA NA NA NA NA NA
## 266374 NA NA NA NA NA NA NA
## 379641 197.3237 232.8190 187.0214 85.91789 62.27401 220.5900 578.9188
## 444341 230.3897 305.1510 217.3132 124.08073 30.97769 230.8101 753.6790
## 468079 292.8172 353.7684 183.1571 187.23928 89.68835 249.4419 832.1114
## 468081 292.8172 353.7684 183.1571 187.23928 89.68835 249.4419 832.1114
## 468083 292.8172 353.7684 183.1571 187.23928 89.68835 249.4419 832.1114
## 468094 292.8172 353.7684 183.1571 187.23928 89.68835 249.4419 832.1114
## 468095 292.8172 353.7684 183.1571 187.23928 89.68835 249.4419 832.1114
## P19_H65P P19_POPF P19_F0014 P19_F1529 P19_F3044 P19_F4559 P19_F6074
## 266369 NA NA NA NA NA NA NA
## 266372 NA NA NA NA NA NA NA
## 266373 NA NA NA NA NA NA NA
## 266374 NA NA NA NA NA NA NA
## 379641 115.59048 995.6966 145.8154 207.7497 221.3660 204.5935 98.7309
## 444341 97.53233 1267.4050 192.4321 327.0473 299.2890 248.8816 147.9993
## 468079 203.85392 1264.3821 164.9586 314.9980 344.9363 208.6477 139.5292
## 468081 203.85392 1264.3821 164.9586 314.9980 344.9363 208.6477 139.5292
## 468083 203.85392 1264.3821 164.9586 314.9980 344.9363 208.6477 139.5292
## 468094 203.85392 1264.3821 164.9586 314.9980 344.9363 208.6477 139.5292
## 468095 203.85392 1264.3821 164.9586 314.9980 344.9363 208.6477 139.5292
## P19_F75P P19_F0019 P19_F2064 P19_F65P C19_POP15P C19_POP15P_CS1
## 266369 NA NA NA NA NA NA
## 266372 NA NA NA NA NA NA
## 266373 NA NA NA NA NA NA
## 266374 NA NA NA NA NA NA
## 379641 117.44109 194.2847 623.3916 178.0203 1615.237 0
## 444341 51.75566 256.8348 862.0380 148.5322 1986.885 0
## 468079 91.31222 246.7419 818.3532 199.2870 2206.094 0
## 468081 91.31222 246.7419 818.3532 199.2870 2206.094 0
## 468083 91.31222 246.7419 818.3532 199.2870 2206.094 0
## 468094 91.31222 246.7419 818.3532 199.2870 2206.094 0
## 468095 91.31222 246.7419 818.3532 199.2870 2206.094 0
## C19_POP15P_CS2 C19_POP15P_CS3 C19_POP15P_CS4 C19_POP15P_CS5
## 266369 NA NA NA NA
## 266372 NA NA NA NA
## 266373 NA NA NA NA
## 266374 NA NA NA NA
## 379641 48.02535 464.6834 306.9753 168.0470
## 444341 127.92630 671.3970 329.6646 220.3012
## 468079 65.20093 509.9049 385.2456 248.6418
## 468081 65.20093 509.9049 385.2456 248.6418
## 468083 65.20093 509.9049 385.2456 248.6418
## 468094 65.20093 509.9049 385.2456 248.6418
## 468095 65.20093 509.9049 385.2456 248.6418
## C19_POP15P_CS6 C19_POP15P_CS7 C19_POP15P_CS8 C19_H15P C19_H15P_CS1
## 266369 NA NA NA NA NA
## 266372 NA NA NA NA NA
## 266373 NA NA NA NA NA
## 266374 NA NA NA NA NA
## 379641 67.84078 303.5612 256.1042 765.3561 0
## 444341 80.76791 241.1292 315.6990 912.9123 0
## 468079 172.01787 404.5032 420.5796 1106.6703 0
## 468081 172.01787 404.5032 420.5796 1106.6703 0
## 468083 172.01787 404.5032 420.5796 1106.6703 0
## 468094 172.01787 404.5032 420.5796 1106.6703 0
## 468095 172.01787 404.5032 420.5796 1106.6703 0
## C19_H15P_CS2 C19_H15P_CS3 C19_H15P_CS4 C19_H15P_CS5 C19_H15P_CS6
## 266369 NA NA NA NA NA
## 266372 NA NA NA NA NA
## 266373 NA NA NA NA NA
## 266374 NA NA NA NA NA
## 379641 39.01102 265.7968 110.5686 46.84861 50.19272
## 444341 83.15540 336.7802 114.1377 89.04863 61.53398
## 468079 32.06243 230.2483 215.8796 83.02421 142.44156
## 468081 32.06243 230.2483 215.8796 83.02421 142.44156
## 468083 32.06243 230.2483 215.8796 83.02421 142.44156
## 468094 32.06243 230.2483 215.8796 83.02421 142.44156
## 468095 32.06243 230.2483 215.8796 83.02421 142.44156
## C19_H15P_CS7 C19_H15P_CS8 C19_F15P C19_F15P_CS1 C19_F15P_CS2
## 266369 NA NA NA NA NA
## 266372 NA NA NA NA NA
## 266373 NA NA NA NA NA
## 266374 NA NA NA NA NA
## 379641 130.24332 122.6950 849.8812 0 9.014337
## 444341 95.06664 133.1898 1073.9729 0 44.770897
## 468079 213.69930 189.3149 1099.4235 0 33.138500
## 468081 213.69930 189.3149 1099.4235 0 33.138500
## 468083 213.69930 189.3149 1099.4235 0 33.138500
## 468094 213.69930 189.3149 1099.4235 0 33.138500
## 468095 213.69930 189.3149 1099.4235 0 33.138500
## C19_F15P_CS3 C19_F15P_CS4 C19_F15P_CS5 C19_F15P_CS6 C19_F15P_CS7
## 266369 NA NA NA NA NA
## 266372 NA NA NA NA NA
## 266373 NA NA NA NA NA
## 266374 NA NA NA NA NA
## 379641 198.8866 196.4067 121.1984 17.64806 173.3178
## 444341 334.6168 215.5270 131.2526 19.23392 146.0625
## 468079 279.6566 169.3660 165.6176 29.57631 190.8039
## 468081 279.6566 169.3660 165.6176 29.57631 190.8039
## 468083 279.6566 169.3660 165.6176 29.57631 190.8039
## 468094 279.6566 169.3660 165.6176 29.57631 190.8039
## 468095 279.6566 169.3660 165.6176 29.57631 190.8039
## C19_F15P_CS8 P19_POP_FR P19_POP_ETR P19_POP_IMM P19_PMEN P19_PHORMEN
## 266369 NA NA NA NA NA NA
## 266372 NA NA NA NA NA NA
## 266373 NA NA NA NA NA NA
## 266374 NA NA NA NA NA NA
## 379641 133.4093 1749.814 160.9817 273.0281 1910.796 0.000000
## 444341 182.5092 2010.513 338.9137 488.5300 2345.426 3.999967
## 468079 231.2646 1939.894 609.8955 740.7744 2549.789 0.000000
## 468081 231.2646 1939.894 609.8955 740.7744 2549.789 0.000000
## 468083 231.2646 1939.894 609.8955 740.7744 2549.789 0.000000
## 468094 231.2646 1939.894 609.8955 740.7744 2549.789 0.000000
## 468095 231.2646 1939.894 609.8955 740.7744 2549.789 0.000000
## P19_LOG P19_RP P19_RSECOCC P19_LOGVAC P19_MAISON P19_APPART
## 266369 NA NA NA NA NA NA
## 266372 NA NA NA NA NA NA
## 266373 NA NA NA NA NA NA
## 266374 NA NA NA NA NA NA
## 379641 1155.005 981.8696 88.07824 85.05669 39.524285 1109.443
## 444341 1503.990 1275.5546 101.95082 126.48413 3.124007 1454.980
## 468079 1720.503 1451.3296 54.36496 214.80884 10.061183 1696.052
## 468081 1720.503 1451.3296 54.36496 214.80884 10.061183 1696.052
## 468083 1720.503 1451.3296 54.36496 214.80884 10.061183 1696.052
## 468094 1720.503 1451.3296 54.36496 214.80884 10.061183 1696.052
## 468095 1720.503 1451.3296 54.36496 214.80884 10.061183 1696.052
## P19_RP_1P P19_RP_2P P19_RP_3P P19_RP_4P P19_RP_5PP P19_NBPI_RP
## 266369 NA NA NA NA NA NA
## 266372 NA NA NA NA NA NA
## 266373 NA NA NA NA NA NA
## 266374 NA NA NA NA NA NA
## 379641 104.8407 229.7863 420.8320 143.7903 82.62037 2866.233
## 444341 413.8873 386.7202 201.1613 131.3491 142.43666 3150.838
## 468079 503.5495 515.4875 264.8799 125.9577 41.45497 3043.514
## 468081 503.5495 515.4875 264.8799 125.9577 41.45497 3043.514
## 468083 503.5495 515.4875 264.8799 125.9577 41.45497 3043.514
## 468094 503.5495 515.4875 264.8799 125.9577 41.45497 3043.514
## 468095 503.5495 515.4875 264.8799 125.9577 41.45497 3043.514
## P19_RPMAISON P19_NBPI_RPMAISON P19_RPAPPART P19_NBPI_RPAPPART
## 266369 NA NA NA NA
## 266372 NA NA NA NA
## 266373 NA NA NA NA
## 266374 NA NA NA NA
## 379641 36.518714 209.183549 945.3509 2657.050
## 444341 3.124007 3.124007 1261.4944 3132.832
## 468079 6.673961 16.735152 1434.5944 3013.431
## 468081 6.673961 16.735152 1434.5944 3013.431
## 468083 6.673961 16.735152 1434.5944 3013.431
## 468094 6.673961 16.735152 1434.5944 3013.431
## 468095 6.673961 16.735152 1434.5944 3013.431
## P19_RP_M30M2 P19_RP_3040M2 P19_RP_4060M2 P19_RP_6080M2 P19_RP_80100M2
## 266369 NA NA NA NA NA
## 266372 NA NA NA NA NA
## 266373 NA NA NA NA NA
## 266374 NA NA NA NA NA
## 379641 88.88544 114.8820 310.6887 309.7450 106.58755
## 444341 416.39862 209.2152 236.8421 122.2214 91.20655
## 468079 434.17719 449.1736 330.8350 134.7320 63.68656
## 468081 434.17719 449.1736 330.8350 134.7320 63.68656
## 468083 434.17719 449.1736 330.8350 134.7320 63.68656
## 468094 434.17719 449.1736 330.8350 134.7320 63.68656
## 468095 434.17719 449.1736 330.8350 134.7320 63.68656
## P19_RP_100120M2 P19_RP_120M2P P19_RP_ACHTOT P19_RP_ACH19 P19_RP_ACH45
## 266369 NA NA NA NA NA
## 266372 NA NA NA NA NA
## 266373 NA NA NA NA NA
## 266374 NA NA NA NA NA
## 379641 33.05660 18.0244039 981.8696 161.9650 339.8926
## 444341 95.19428 104.4764699 1271.6087 883.6119 137.7031
## 468079 37.76373 0.9615558 1448.0429 263.6298 389.4813
## 468081 37.76373 0.9615558 1448.0429 263.6298 389.4813
## 468083 37.76373 0.9615558 1448.0429 263.6298 389.4813
## 468094 37.76373 0.9615558 1448.0429 263.6298 389.4813
## 468095 37.76373 0.9615558 1448.0429 263.6298 389.4813
## P19_RP_ACH70 P19_RP_ACH90 P19_RP_ACH05 P19_RP_ACH15 P19_RPMAISON_ACHTOT
## 266369 NA NA NA NA NA
## 266372 NA NA NA NA NA
## 266373 NA NA NA NA NA
## 266374 NA NA NA NA NA
## 379641 292.1070 119.27555 65.63931 2.990189 36.518714
## 444341 106.1953 54.87602 27.58120 61.641043 3.124007
## 468079 326.2030 320.54350 145.37423 2.811083 6.673961
## 468081 326.2030 320.54350 145.37423 2.811083 6.673961
## 468083 326.2030 320.54350 145.37423 2.811083 6.673961
## 468094 326.2030 320.54350 145.37423 2.811083 6.673961
## 468095 326.2030 320.54350 145.37423 2.811083 6.673961
## P19_RPMAISON_ACH19 P19_RPMAISON_ACH45 P19_RPMAISON_ACH70
## 266369 NA NA NA
## 266372 NA NA NA
## 266373 NA NA NA
## 266374 NA NA NA
## 379641 18.21093 12.515295 5.792486
## 444341 0.00000 3.124007 0.000000
## 468079 3.38723 3.286731 0.000000
## 468081 3.38723 3.286731 0.000000
## 468083 3.38723 3.286731 0.000000
## 468094 3.38723 3.286731 0.000000
## 468095 3.38723 3.286731 0.000000
## P19_RPMAISON_ACH90 P19_RPMAISON_ACH05 P19_RPMAISON_ACH15
## 266369 NA NA NA
## 266372 NA NA NA
## 266373 NA NA NA
## 266374 NA NA NA
## 379641 0 0 0
## 444341 0 0 0
## 468079 0 0 0
## 468081 0 0 0
## 468083 0 0 0
## 468094 0 0 0
## 468095 0 0 0
## P19_RPAPPART_ACHTOT P19_RPAPPART_ACH19 P19_RPAPPART_ACH45
## 266369 NA NA NA
## 266372 NA NA NA
## 266373 NA NA NA
## 266374 NA NA NA
## 379641 945.3509 143.7541 327.3773
## 444341 1257.5485 874.7295 134.5791
## 468079 1431.3077 256.8553 382.8073
## 468081 1431.3077 256.8553 382.8073
## 468083 1431.3077 256.8553 382.8073
## 468094 1431.3077 256.8553 382.8073
## 468095 1431.3077 256.8553 382.8073
## P19_RPAPPART_ACH70 P19_RPAPPART_ACH90 P19_RPAPPART_ACH05
## 266369 NA NA NA
## 266372 NA NA NA
## 266373 NA NA NA
## 266374 NA NA NA
## 379641 286.3145 119.27555 65.63931
## 444341 106.1953 53.84913 26.55430
## 468079 326.2030 320.54350 142.08750
## 468081 326.2030 320.54350 142.08750
## 468083 326.2030 320.54350 142.08750
## 468094 326.2030 320.54350 142.08750
## 468095 326.2030 320.54350 142.08750
## P19_RPAPPART_ACH15 P19_MEN P19_MEN_ANEM0002 P19_MEN_ANEM0204
## 266369 NA NA NA NA
## 266372 NA NA NA NA
## 266373 NA NA NA NA
## 266374 NA NA NA NA
## 379641 2.990189 981.8696 107.6950 200.8772
## 444341 61.641043 1275.5546 246.5479 327.7805
## 468079 2.811083 1451.3296 245.0068 426.0994
## 468081 2.811083 1451.3296 245.0068 426.0994
## 468083 2.811083 1451.3296 245.0068 426.0994
## 468094 2.811083 1451.3296 245.0068 426.0994
## 468095 2.811083 1451.3296 245.0068 426.0994
## P19_MEN_ANEM0509 P19_MEN_ANEM10P P19_PMEN_ANEM0002 P19_PMEN_ANEM0204
## 266369 NA NA NA NA
## 266372 NA NA NA NA
## 266373 NA NA NA NA
## 266374 NA NA NA NA
## 379641 198.9614 474.3361 175.0240 415.3430
## 444341 221.8815 479.3447 375.6303 538.7111
## 468079 291.1529 489.0704 417.5470 652.5673
## 468081 291.1529 489.0704 417.5470 652.5673
## 468083 291.1529 489.0704 417.5470 652.5673
## 468094 291.1529 489.0704 417.5470 652.5673
## 468095 291.1529 489.0704 417.5470 652.5673
## P19_PMEN_ANEM0509 P19_PMEN_ANEM10P P19_NBPI_RP_ANEM0002
## 266369 NA NA NA
## 266372 NA NA NA
## 266373 NA NA NA
## 266374 NA NA NA
## 379641 450.6441 869.7848 216.2511
## 444341 453.9952 977.0898 515.7964
## 468079 501.4570 978.2181 498.2975
## 468081 501.4570 978.2181 498.2975
## 468083 501.4570 978.2181 498.2975
## 468094 501.4570 978.2181 498.2975
## 468095 501.4570 978.2181 498.2975
## P19_NBPI_RP_ANEM0204 P19_NBPI_RP_ANEM0509 P19_NBPI_RP_ANEM10P
## 266369 NA NA NA
## 266372 NA NA NA
## 266373 NA NA NA
## 266374 NA NA NA
## 379641 525.1519 573.6535 1551.177
## 444341 692.7638 537.4616 1404.817
## 468079 805.9317 578.5757 1160.709
## 468081 805.9317 578.5757 1160.709
## 468083 805.9317 578.5757 1160.709
## 468094 805.9317 578.5757 1160.709
## 468095 805.9317 578.5757 1160.709
## P19_RP_PROP P19_RP_LOC P19_RP_LOCHLMV P19_RP_GRAT P19_NPER_RP
## 266369 NA NA NA NA NA
## 266372 NA NA NA NA NA
## 266373 NA NA NA NA NA
## 266374 NA NA NA NA NA
## 379641 405.8215 557.8871 226.9770 18.16098 1910.796
## 444341 325.8785 903.5734 139.3746 46.10270 2345.426
## 468079 371.7741 1012.4002 194.0721 67.15536 2549.789
## 468081 371.7741 1012.4002 194.0721 67.15536 2549.789
## 468083 371.7741 1012.4002 194.0721 67.15536 2549.789
## 468094 371.7741 1012.4002 194.0721 67.15536 2549.789
## 468095 371.7741 1012.4002 194.0721 67.15536 2549.789
## P19_NPER_RP_PROP P19_NPER_RP_LOC P19_NPER_RP_LOCHLMV P19_NPER_RP_GRAT
## 266369 NA NA NA NA
## 266372 NA NA NA NA
## 266373 NA NA NA NA
## 266374 NA NA NA NA
## 379641 790.5913 1084.950 445.2650 35.25485
## 444341 642.2895 1609.436 232.2910 93.70063
## 468079 599.6615 1862.506 506.4606 87.62180
## 468081 599.6615 1862.506 506.4606 87.62180
## 468083 599.6615 1862.506 506.4606 87.62180
## 468094 599.6615 1862.506 506.4606 87.62180
## 468095 599.6615 1862.506 506.4606 87.62180
## P19_ANEM_RP P19_ANEM_RP_PROP P19_ANEM_RP_LOC P19_ANEM_RP_LOCHLMV
## 266369 NA NA NA NA
## 266372 NA NA NA NA
## 266373 NA NA NA NA
## 266374 NA NA NA NA
## 379641 14362.86 7958.973 6009.484 3311.114
## 444341 13731.25 5976.800 7159.925 1898.979
## 468079 13595.90 5009.995 7999.860 2730.542
## 468081 13595.90 5009.995 7999.860 2730.542
## 468083 13595.90 5009.995 7999.860 2730.542
## 468094 13595.90 5009.995 7999.860 2730.542
## 468095 13595.90 5009.995 7999.860 2730.542
## P19_ANEM_RP_GRAT P19_RP_SDB P19_RP_CCCOLL P19_RP_CCIND P19_RP_CINDELEC
## 266369 NA NA NA NA NA
## 266372 NA NA NA NA NA
## 266373 NA NA NA NA NA
## 266374 NA NA NA NA NA
## 379641 394.3997 949.2268 480.9912 198.2564 298.9006
## 444341 594.5281 1200.0784 328.8735 352.7307 590.8263
## 468079 586.0492 1363.4798 188.0737 369.9934 886.6891
## 468081 586.0492 1363.4798 188.0737 369.9934 886.6891
## 468083 586.0492 1363.4798 188.0737 369.9934 886.6891
## 468094 586.0492 1363.4798 188.0737 369.9934 886.6891
## 468095 586.0492 1363.4798 188.0737 369.9934 886.6891
## P19_RP_ELEC P19_RP_EAUCH P19_RP_BDWC P19_RP_CHOS P19_RP_CLIM
## 266369 NA NA NA NA NA
## 266372 NA NA NA NA NA
## 266373 NA NA NA NA NA
## 266374 NA NA NA NA NA
## 379641 NA NA NA NA NA
## 444341 NA NA NA NA NA
## 468079 NA NA NA NA NA
## 468081 NA NA NA NA NA
## 468083 NA NA NA NA NA
## 468094 NA NA NA NA NA
## 468095 NA NA NA NA NA
## P19_RP_TTEGOU P19_RP_GARL P19_RP_VOIT1P P19_RP_VOIT1 P19_RP_VOIT2P
## 266369 NA NA NA NA NA
## 266372 NA NA NA NA NA
## 266373 NA NA NA NA NA
## 266374 NA NA NA NA NA
## 379641 NA 331.4425 524.5069 462.6809 61.82594
## 444341 NA 177.7114 253.6152 241.2930 12.32228
## 468079 NA 109.3072 202.6192 186.1753 16.44392
## 468081 NA 109.3072 202.6192 186.1753 16.44392
## 468083 NA 109.3072 202.6192 186.1753 16.44392
## 468094 NA 109.3072 202.6192 186.1753 16.44392
## 468095 NA 109.3072 202.6192 186.1753 16.44392
## P19_RP_HABFOR P19_RP_CASE P19_RP_MIBOIS P19_RP_MIDUR C19_RP_HSTU1P
## 266369 NA NA NA NA NA
## 266372 NA NA NA NA NA
## 266373 NA NA NA NA NA
## 266374 NA NA NA NA NA
## 379641 NA NA NA NA 900.5197
## 444341 NA NA NA NA 915.3189
## 468079 NA NA NA NA 998.4713
## 468081 NA NA NA NA 998.4713
## 468083 NA NA NA NA 998.4713
## 468094 NA NA NA NA 998.4713
## 468095 NA NA NA NA 998.4713
## C19_RP_HSTU1P_SUROCC taux_ages65P taux_moins20ans taux_cadre
## 266369 NA NA NA NA
## 266372 NA NA NA NA
## 266373 NA NA NA NA
## 266374 NA NA NA NA
## 379641 107.5986 0.1536589 0.2171214 0.2876874
## 444341 158.4074 0.1047339 0.2075591 0.3379143
## 468079 223.1374 0.1581075 0.1945980 0.2311347
## 468081 223.1374 0.1581075 0.1945980 0.2311347
## 468083 223.1374 0.1581075 0.1945980 0.2311347
## 468094 223.1374 0.1581075 0.1945980 0.2311347
## 468095 223.1374 0.1581075 0.1945980 0.2311347
## taux_etrangersImmigres taux_av19 taux_19_45 taux_46_70 taux_71_90
## 266369 NA NA NA NA NA
## 266372 NA NA NA NA NA
## 266373 NA NA NA NA NA
## 266374 NA NA NA NA NA
## 379641 0.1987385 0.1649557 0.3461688 0.2975008 0.1214780
## 444341 0.2915632 0.6948772 0.1082905 0.0835126 0.0431548
## 468079 0.4104676 0.1820594 0.2689708 0.2252717 0.2213633
## 468081 0.4104676 0.1820594 0.2689708 0.2252717 0.2213633
## 468083 0.4104676 0.1820594 0.2689708 0.2252717 0.2213633
## 468094 0.4104676 0.1820594 0.2689708 0.2252717 0.2213633
## 468095 0.4104676 0.1820594 0.2689708 0.2252717 0.2213633
## taux_91_05 taux_06_15 financement loyer_m2
## 266369 NA NA PLUS 35.62500
## 266372 NA NA PLAI 34.87500
## 266373 NA NA PLUS 36.50000
## 266374 NA NA PLUS 35.75000
## 379641 0.06685135 0.003045403 autre 32.88889
## 444341 0.02169000 0.048474854 autre 32.00000
## 468079 0.10039359 0.001941298 autre 34.07692
## 468081 0.10039359 0.001941298 autre 32.44828
## 468083 0.10039359 0.001941298 autre 31.10000
## 468094 0.10039359 0.001941298 autre 30.93103
## 468095 0.10039359 0.001941298 autre 31.68966logements_precedents[logements_precedents$loyer_m2>28 & is.na(logements_precedents$loyer_m2) == 0, "FINAN"]## [1] 13 13 49 12 13 13 13 13 13 13 13 13 49 49 10 49 99 49 49 49 99 99 99 99 49
## [26] 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49
## [51] 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49
## [76] 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49
## [101] 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49
## [126] 49 49 49 49 49 49 49Pour les logements construits en réponse à la loi SRU, il y à 5 logements qui forment le groupe avec des loyers élevés au m². Quatre sont dans la commune 68118 (Hirtzbach) et font 8 m², 3 PLUS et PLAI. Le dernier, et également le moins cher, est dans la commune 92026 (Courbevoie), type de financement : autre.
par(mfrow = c(2,2), oma = c(0, 1, 1, 0), mar = c(4, 1, 1, 1))
hist(LS_IRIS$loyer_m2, main = "logements réponse", xlim = c(0, 40), cex.main = 1,
xlab = "loyer au m²")
hist(logements_precedents$loyer_m2, main = "logements précédents", cex.main = 1,
xlab = "loyer au m²", xlim = c(0, 40))
hist(log_periode$loyer_m2, main = "logements depuis 2002", cex.main = 1,
xlab = "loyer au m²", xlim = c(0, 40))
hist(log_com$loyer_m2, main = "logements territoire SRU", cex.main = 1,
xlab = "loyer au m²", xlim = c(0, 40))
title(outer = TRUE, main = "Loyer au m² des logements sociaux du parc HLM")